基于LSTM網絡的中國夏季降水預測研究

作者：沈皓俊,羅勇,趙宗慈,王漢杰

摘要：基于BCC-CSM季節氣候預測模式系統歷史回報數據和國家氣象信息中心提供的中國地面降水月值數據,通過多方法對比并討論了影響預測結果的因素,利用長短期記憶(Long Short-Term Memory,LSTM)網絡預測2014年和2015年中國夏季降水。結果表明:LSTM網絡的預測效果較逐步回歸、BP神經網絡及模式輸出結果有一定優勢。參數調優對于LSTM網絡預測效果影響較大,重要參數有隱含層節點數、訓練次數和學習率。選擇合適的起報月份數據有助于提升季節預測的準確性,利用4月起報的數據預測夏季降水效果較好。海冰分量因子對降水季節預測有正貢獻。在2014年、2015年夏季降水回報試驗中,LSTM網絡對降水整體形勢有一定的預測能力,Ps評分分別為74分、71分,距平符號一致率分別為55.63%、55.25%,Ps評分的均值高于同期全國會商及業務模式。

發文機構：清華大學地球系統科學系地球系統數值模擬教育部重點試驗室 全球變化與中國綠色發展協同創新中心 中國氣象局國家氣候中心

關鍵詞：LSTM網絡機器學習汛期降水季節預測LSTM networkMachine learningFlood season precipitationSeasonal prediction

分類號： G63[文化科學—教育學]