基于LSTM神经网络的青藏高原月降水量预测

• 作者: 刘新 赵宁 郭斌 郭金运
• 来源期刊: 地球信息科学学报
• 关键词: 长短期记忆网络 降水量 预测 循环神经网络 青藏高原 时间序列 机器学习
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 地球信息科学理论与方法
• 页码范围: 1617-1629
• 页数: 13页
• 语种: 中文

摘要

青藏高原的降水量预测不仅为该地区水资源合理规划利用提供依据,同时对中国及周边国家气候变化研究有着重要的意义.论文利用1990-2016年青藏高原降水量数据,采用长短期记忆神经网络(LSTM)对青藏高原月降水量进行预测,主要包括:①使用青藏高原86个测站1990-2013年的月降水资料,预测各个测站2014-2016年的月降水量,并与传统的RNN、NAR、SSA和ARIMA预测模型相比,平均决定系数R2分别提高了0.07、0.15、0.13和0.36,均方根误差(RMSE)和平均绝对误差(MAE)表现更低;②分析了降水量预测精度的空间分布特征,将各模型的R2在青藏高原地区内插值,分析R2的空间分布特征,发现所有模型降雨稀少的干旱地区和降雨多的湿润地区R2较低,在气候稳定、降水规律性明显的地区R2较高,且LSTM模型R2≥0.6的空间范围远大于传统模型;③分析了不同预测长度对各模型预测精度的影响,发现所有模型会随着预测长度增加而预测精度降低,但在不同的预测长度下LSTM预测的RMSE值都低于其他模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘新	山东科技大学测绘科学与工程学院	25	103	6.0	9.0
2	郭金运	山东科技大学测绘科学与工程学院	80	443	10.0	17.0
3	郭斌	山东科技大学测绘科学与工程学院	8	10	2.0	2.0
4	赵宁	山东科技大学测绘科学与工程学院	2	2	1.0	1.0