基于EEMD-LSTM模型的天山北坡经济带年降水量预测

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据
维普

中文摘要：降水量预测是现代气候预测业务的核心和难点.耦合模型在新疆降水量预测的研究应用屈指可数,因此,通过尝试建立集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和长短期记忆神经网络(Long Short-Term Memory Network,LSTM)的耦合模型对天山北坡经济带降水量进行预测研究.将1965—2019年天山北坡经济带共55 a的年降水量数据进行EEMD分解,转换成4个平稳分量和趋势项,通过谱分析得出各个分量的准周期,为后续训练LSTM模型提供基础.根据EEMD分解后的各分量训练得出LSTM网络模型并利用该模型进行研究区降水量预测.结果表明:EEMD-LSTM耦合模型预测2010—2019年天山北坡经济带降水量的平均相对误差为13.38％,均方根误差为38.03 mm,认为EEMD-LSTM耦合模型对天山北坡经济带降水量预测精度较好.利用EEMD-LSTM耦合模型预测2020—2029年天山北坡经济带年降水量,其中有6 a降水偏多,4 a降水偏少,2025年可能为极端湿润年,降水偏多超过20％;而2021年为极端干旱年,降水量预计低于200 mm.本文探索了干旱区降水量预测的新方法,并为气象防灾减灾工作提供参考依据.

外文标题：Prediction of annual precipitation in the Northern Slope Economic Belt of Tianshan Mountains based on a EEMD-LSTM model

作者：

杨倩、秦莉、高培、张瑞波

展开 >

作者单位：

中国气象局气象干部培训学院新疆分院,新疆乌鲁木齐 830013

中国气象局乌鲁木齐沙漠气象研究所,新疆乌鲁木齐 830002

关键词：

集合经验模态分解长短期记忆网络年降水量预测

基金：

项目编号：

Sqj201300541805130419751102019D040022020Q0262019XS12

出版年：

2021

DOI：

10.13866/j.azr.2021.05.05

干旱区研究

中国科学院新疆生态与地理研究所中国土壤学会

干旱区研究

CSTPCDCSCD北大核心

影响因子：1.157

ISSN：1001-4675

年,卷(期)：2021.38(5)

被引量9
参考文献量19