典型文献
基于CNN-Attention-BP的降水发生预测研究
文献摘要：
在综合分析降水统计预测模型特点的基础上,提出一种基于Attention机制、卷积神经网络(CNN)和BP神经网络的CNN?Attention?BP组合模型,并对1961—2020年不同气候类型的长春站、白城站、延吉站夏季降水进行实证分析.首先,运用卷积神经网络对6—8月20—次日20时降水量、平均气压、平均风速、平均气温和平均相对湿度进行特征学习,利用Attention机制来确定气象影响因素对降水预测的权重;然后,使用BP神经网络进行降水发生预测,选用准确率、交叉熵损失函数和F1?score来综合评价CNN?Attention?BP组合模型的性能.最后,将单一的支持向量机、多层感知机和卷积神经网络模型与组合模型进行比较分析.结果表明,CNN?Attention?BP组合模型具有自主学习和关注更重要信息的特征,能够有效提高吉林省夏季降水发生模型的预测能力,在样本越均衡、降水频率越接近于0.5的站点,预测精度越高,准确率最高可达88.4％.CNN?Attention?BP组合模型的准确率相较于其他单一模型最高可以提高近17个百分点.
文献关键词：
降水预测;卷积神经网络;Attention机制;BP神经网络;交叉熵损失函数
中图分类号：
作者姓名：
吴香华;华亚婕;官元红;王巍巍;刘端阳
作者机构：
南京信息工程大学 数学与统计学院,南京,210044;南京信息工程大学 大气与实验环境教学中心,南京,210044;南京气象科技创新研究院/中国气象局交通气象重点开放实验室,南京,210008
文献出处：
引用格式：
[1]吴香华;华亚婕;官元红;王巍巍;刘端阳-.基于CNN-Attention-BP的降水发生预测研究)[J].南京信息工程大学学报,2022(02):148-155
A类：
B类：
Attention,发生预测,预测研究,统计预测模型,模型特点,组合模型,不同气候类型,长春站,白城,城站,延吉,夏季降水,次日,降水量,平均气压,平均风速,平均气温,相对湿度,特征学习,气象影响因素,降水预测,交叉熵损失函数,score,多层感知机,卷积神经网络模型,重要信息,吉林省,预测能力,降水频率,百分点
AB值：
0.302499
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
