典型文献
基于人工神经网络的沿海风速多步预测研究
文献摘要：
基于气象历史观测资料,将长短期记忆网络LSTM方法和Transformer模型结合提出了混合短期风速多步预测模型BLSTM-TRA.以山东半岛南部沿海6个台站为研究区域,通过气象台站观测数据构建数据集.经与2018年ECMWF模式6 h预报结果对比分析,得出如下结论:构建的BLSTM-TRA多步预测模型可大幅度降低风速误差,BLSTM-TRA的1 h单步预测结果和ECMWF预报模式结果对比,其RMSE平均降低了 58.9％,MAE平均降低了 63.2％;风速误差和大风统计过程分析发现,BLSTM-TRA模型具有一定的抗干扰能力,可以抓住短时大风等敏感信息,对于大风预报结果明显优于ECWMF模式和传统LSTM模型.
文献关键词：
Transformer模型;长短期记忆网络(LSTM);风速预测
中图分类号：
作者姓名：
刘志丰;丁锋
作者机构：
山东省青岛市黄岛区气象局,青岛266400;山东省青岛市气象局,青岛266003
文献出处：
引用格式：
[1]刘志丰;丁锋-.基于人工神经网络的沿海风速多步预测研究)[J].气象科技,2022(06):851-858
A类：
B类：
人工神经网络,海风,多步预测,预测研究,历史观,观测资料,长短期记忆网络,Transformer,BLSTM,TRA,山东半岛南部,南部沿海,过气,气象台站,观测数据,ECMWF,结果对比,大幅度降低,低风速,单步,预报模式,RMSE,MAE,统计过程,过程分析,抗干扰能力,敏感信息,大风预报,ECWMF,风速预测
AB值：
0.376028
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。
