基于时间序列的山区风向预测方法研究

• 作者: 武略 焦瑞莉 夏江江
• 来源期刊: 现代农业科技
• 学科: 地球科学
• 关键词: 山区 风向 时间序列 极端梯度提升算法 长短期记忆网络 预测方法
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 资源与环境科学
• 页码范围: 171-178
• 页数: 8页
• 分类号: P468|P425
• 语种: 中文
• DOI: 10.3969/j.issn.1007-5739.2022.04.058

摘要

为更好地预测山区风向,分别使用自回归滑动平均模型(ARMA)、极端梯度提升算法(XGBoost)和长短期记忆网络(LSTM)对山区4个气象站的风向时间观测序列进行预测,比较3种算法的优劣.针对风向独特的性质,结合传统气象学知识,探索了一种风向的预测方法:引入风速序列,将风速、风向拆分为U、V风并对其分别进行预测,进而将结果合成,使用设定的风向评分检验结果.对比结果表明:XGBoost获得了最高的评分;使用双时间序列预测风向相比单序列效果更好.