文献类型：期刊文章

作　　者：罗芳琼[1] 陆虹[2] 秦川[2] 金龙[2]

LUO Fang-qiong;LU Hong;QIN Chuan;JIN Long(School of Mathematics and Computer Science,Guangxi Science&Technology Normal University,Laibin 546199,China;Guangxi Climate Center,Nanning 530022,China)

机构地区：[1]广西科技师范学院数学与计算机科学学院,广西来宾546199 [2]广西壮族自治区气候中心,广西南宁530022

出　　处：《数学的实践与认识》

基　　金：国家自然科学基金(42065004);广西高校中青年教师基础能力提升项目(2019KY0867,2021KY0859)。

年　　份：2021

卷　　号：51

期　　号：10

起止页码：169-182

语　　种：中文

收录情况：MR、RCCSE、ZGKJHX、ZMATH、普通刊

摘　　要：针对冬季低温灾害性天气过程具有时间相关性和非线性变化等特点而造成的建模因子处理和预报建模困难问题,以及现有预报方法未能充分获取低温冷害的本质特征,论文提出了一种以深度学习长短期记忆神经网络(LSTM)为基础的低温气象灾害预报模型.该方法结合了长短期记忆神经网络、随机森林和优化支持向量机回归(SVM)等各自的优点,先采用长短期记忆神经网络方法获取数据特征,再利用随机森林方法中的特征重要属性对LSTM模型获取的特征进一步筛选,将随机森林模型获取的特征训练优化支持向量回归建立了低温冷害的预测模型.进一步将该模型与LSTM模型、SVM模型、随机森林回归模型、逐步回归预报模型的预测效果进行了比较,由测试样本的预报仿真实验证明,在相同的预报建模样本和相同的预报因子条件下,该模型比其他4个模型有较高的预测精度,显示了对非线性低温冷害预报问题的更好适用性.

关 键 词：低温灾害预报  长短期记忆神经网络  特征提取 支持向量机 随机森林  

分 类 号：P429[大气科学类]