基于LSTM模型的降雨短临预报

作     者：王式太 张定红 殷敏 张博宇 程波 WANG Shitai;ZHANG Dinghong;YIN Min;ZHANG Boyu;CHENG Bo

作者机构：桂林理工大学测绘地理信息学院广西桂林541006 广西空间信息与测绘重点实验室广西桂林541006 山东省地质测绘院山东济南250002 

出 版 物：《无线电工程》 (Radio Engineering)

年 卷 期：2021年第51卷第11期

页      面：1278-1283页

学科分类：08[工学] 081601[工学-大地测量学与测量工程] 0816[工学-测绘科学与技术] 

基　　金：广西自然科学基金(2018GXNSFAA281279) 广西空间信息与测绘重点实验室主任基金(19-050-11-27) 

主　　题：短临降雨预报 大气可降水量 长短期神经网络 多气象参数 

摘      要：为了利用大气可降水量(Precipitable Water Vapor,PWV)预报降雨,针对PWV在降雨过程中处于动态变化的现象,提出使用长短期记忆神经网络(LSTM)构建基于时序数据的多气象参数短临降雨预报模型。实验表明,当设置预报时间在1~6 h的情况下,模型短临预报降雨的整体性能优于其他时间尺度的预报,能预报目标区域约47%的降雨,模型的准确率为66%,略优于传统PWV分析方法;误报率为8%,优于传统PWV分析的预报方法。