基于LSTM深度神经网络的精细化气温预报初探

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：利用LSTM(Long Short-Term Memory)深度神经网络和空军T511数值预报产品,对宝鸡市2017年9月到2018年3月每日逐3小时实况观测的数据进行模拟分析,建立宝鸡市未来24小时精细化气温预报模式.结果表明:其精细化气温预报准确率为68.75％,日最低气温预报准确率为84.62％,日最高气温预报准确率为61.54％,并能较好地对天气过程转折进行刻画,可满足日常气温预报的需要.

外文标题：FINE TEMPERATURE FORECAST BASED ON LSTM DEEP NEURAL NETWORK

作者：

倪铮、梁萍

展开 >

作者单位：

中国人民解放军96873部队陕西宝鸡721000

关键词：

气温预报 LSTM神经网络深度神经网络机器学习循环神经网络

出版年：

2018

计算机应用与软件

上海市计算技术研究所上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心

影响因子：0.615

ISSN：1000-386X

年,卷(期)：2018.35(11)

被引量17
参考文献量11