基于长短期记忆网络的气象预测研究

论文摘要

近年来,气象数据的爆炸性增长使得气象预测领域面临着艰巨的挑战。传统的方法已不能应对如此海量的气象数据,而深度学习的迅猛发展为气象预测的研究提供了新思路和新途径。气象数据大多是时间序列数据,长短期记忆网络（LSTM）作为一个蓬勃发展的技术,它能够充分考虑气象数据的时间相关性,发现其中隐藏的气象规律。本文主要研究分析了气温预测和短时降雨预测这两个问题。在气温预测的问题上,所采集的包含20个气象要素的地面观测数据,一方面需要挖掘出与气温高度相关的要素,另一方面需要利用历史时刻的气象数据去预测未来时刻的气温,因此构建了基于随机森林与长短期记忆网络（RF-LSTM）的预测模型,并取得了高于其他模型预测精度的好结果。当进行短时降雨预测时,本文使用不同高度的连续帧的雷达时序图进行分析处理,不仅需要分析时间维度上连续的一帧帧雷达图,还要将雷达图的空间特征信息考虑在内,因此在卷积神经网络和LSTM的基础上构建了基于卷积长短期记忆网络（ConvLSTM）的预测模型,在与二维卷积（Conv2D）模型和三维卷积（Conv3D）模型的实验结果进行对比发现,ConvLSTM的预测效果占明显优势。为了将当前输入同前后时刻的的雷达数据联系起来,以进一步提升短时降雨的准确率,通过网络结构的改进,提出了一种基于三维卷积与双向长短期记忆网络（Conv3D-BiLSTM）的预测模型,实验表明,无论在网络收敛效果还是在最终预测精度上,Conv3D-BiLSTM模型都更胜一筹。

论文目录

摘要

Abstract

第一章绪论

1.1 课题的研究背景与意义

1.2 国内外研究现状

1.2.1 气象预测研究现状

1.2.2 循环神经网络技术研究现状

1.3 本文主要工作与组织结构

第二章基础理论和相关技术

2.1 随机森林算法

2.1.1 随机森林算法的基本原理

2.1.2 随机森林算法的构造过程

2.2 循环神经网络

2.2.1 循环神经网络的原理

2.2.2 循环神经网络的训练

2.2.3 长短期记忆网络的结构

2.4 本章小结

第三章基于随机森林与长短期记忆网络的气温预测

3.1 数据处理

3.1.1 数据采集

3.1.2 数据预处理

3.2 RF-LSTM气温预测模型的构建

3.3 实验结果与分析

3.3.1 模型评估指标

3.3.2 RF-LSTM模型的实验结果与分析

3.3.3 对比模型

3.3.4 不同模型的实验结果与分析

3.4 本章小结

第四章基于三维卷积神经网络与双向长短期记忆网络的短时降雨预测

4.1 雷达数据描述

4.2 基于卷积神经网络的降雨预测

4.2.1 二维卷积神经网络（Conv2D）预测模型的构建

4.2.2 三维卷积神经网络（Conv3D）预测模型的构建

4.2.3 基于Conv2D和 Conv3D的降雨量预测实验结果对比与分析

4.3 基于卷积长短期记忆网络（ConvLSTM）的降雨预测

4.3.1 卷积长短期记忆网络（ConvLSTM）

4.3.2 ConvLSTM预测模型的构建

4.3.3 基于ConvLSTM的降雨量预测实验结果对比与分析

4.4 基于三维卷积与双向长短期记忆网络（Conv3D-BiLSTM）的降雨预测

4.4.1 双向长短期记忆网络（BiLSTM）

4.4.2 Conv3D-BiLSTM预测模型的构建

4.4.3 实验结果与分析

4.5 本章小结

第五章总结与展望

5.1 总结

5.2 展望

参考文献

作者简介

致谢

文章来源

类型: 硕士论文

作者: 陶晔

导师: 杜景林,黄松华

关键词: 随机森林,长短期记忆网络,三维卷积,双向长短期记忆网络,气温预测,短时降雨预测

来源: 南京信息工程大学

年度: 2019

分类: 基础科学,信息科技

专业: 气象学,自动化技术

单位: 南京信息工程大学

分类号: P45;TP183

DOI: 10.27248/d.cnki.gnjqc.2019.000388

总页数: 59

文件大小: 3202K

下载量: 350

基于长短期记忆网络的气象预测研究

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢