典型文献
长短期记忆神经网络(LSTM)模型在低能见度预报中的应用
文献摘要：
利用浙江省义乌市2015—2019年逐小时气象观测数据(相对湿度、风速、地气温差、能见度)和空气质量指数(Air Quality Index,AQI)数据,分析了义乌地区低能见度天气(观测能见度<10 km)的分布特征和气象要素条件.利用长短期记忆神经网络(Long Short Term Memory Neural Network,LSTM)模型对逐小时能见度进行模拟,分别对比了观测能见度作为输入变量与否的模拟效果;根据义乌地区低能见度天气条件的特征,将模拟时段分为三个时期(11月至翌年2月,3—6月,7—10月),对比了分时期模拟的效果;以及评估了模型的预报步长.结果表明:高湿、高污染、气温高于地温和低风速是义乌地区低能见度天气的主要特征.LSTM模型对单站能见度有较好的模拟效果,当输入参数中加入历史观测能见度时,能大幅提高模拟准确度,日均能见度模拟结果均方根误差RMSE=0.63 km,平均绝对误差MAE=0.51 km,拟合优度R2=0.99;分时期进行模拟能得到更精准的模拟结果.本研究中选用的输入要素在冬季(11月至翌年2月)模拟效果最好,RMSE=2.35 km,MAE=1.46 km,低能见度均方根误差RMSE 10 km=1.81 km,低能见度平均绝对误差MAE 10 km=1.13 km,R2=0.83;3—6月的模拟中,输入变量中不加AQI模拟效果更好,这意味着3—6月义乌地区的低能见度天气以雾天气为主导,加入过多变量并不一定能提高模型准确度;随着预报步长增大,模型预报效果变差,预测步长等于3 h,R2=0.71,预测结果已不具备实际应用意义.
文献关键词：
大气能见度;长短记忆神经网络;预报模型;空气质量
中图分类号：
作者姓名：
方楠;谢国权;阮小建;任晨平;姜舒婕;张玮玮
作者机构：
浙江省预警信息发布中心,浙江杭州310052;浙江省气象服务中心,浙江杭州310052;浙江省人工影响天气中心,浙江杭州310052
文献出处：
引用格式：
[1]方楠;谢国权;阮小建;任晨平;姜舒婕;张玮玮-.长短期记忆神经网络(LSTM)模型在低能见度预报中的应用)[J].气象与环境学报,2022(05):34-41
A类：
B类：
长短期记忆神经网络,能见度预报,义乌市,时气,气象观测,观测数据,相对湿度,地气温差,空气质量指数,Air,Quality,Index,AQI,低能见度天气,气象要素,Long,Short,Term,Memory,Neural,Network,天气条件,三个时期,翌年,步长,高湿,高污染,地温,低风速,单站,输入参数,历史观,日均,RMSE,平均绝对误差,MAE,拟合优度,不加,雾天,多变量,并不一定,定能,预报效果,应用意义,大气能见度,长短记忆神经网络,预报模型
AB值：
0.271726
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。
