基于LSTM网络的川东地区月降水量预测

• 作者: 陈慧 齐振方
• 来源期刊: 水电能源科学
• 关键词: LSTM模型 降水量预测 时间序列 协变量
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 水文水资源与环境|HYDROLOGY, WATER RESOURCES AND ENVIRONMENT
• 页码范围: 14-17,13
• 页数: 5页
• 分类号: TV124
• 语种: 中文

摘要

降水量时间序列变化模拟对揭示全球气候变化规律和认识地表水文过程具有重要意义.基于1981～2005年川东地区降水观测资料,采用长短期记忆神经网络(LSTM)构建降水量逐月预测模型,预测2006～2019年逐月降水变化特征,并比较不同协变量下基于LSTM和随机森林(RF)模型的降水量预测精度.结果 表明,LSTM模型在以气候因子(C)与历史降水资料(H)为输入变量时比单独输入C、H变量条件下具有更高精度,其NSE达0.50,MRE、RMSE分别为29.15％、38.72 mm;与RF模型相比,基于LSTM降水量预测模型具有更高预测性能,其NSE比RF模型提高0.06,MRE、RMSE减小3.43％、3.66 mm;川东地区降水量预测模型精度分布具有空间异质性,呈自东南部平原向北部山地减少的分布特征.