基于BO-CNN-LSTM的锡林郭勒草原干旱预测模型

作     者：杜娟 董世杰 贺云 DU Juan;DONG Shu-jie;HE Yun

作者机构：内蒙古财经大学统计与数学学院内蒙古呼和浩特010070 内蒙古农业大学水利与土木建筑工程学院内蒙古呼和浩特010018 

出 版 物：《草原与草坪》 (Grassland and Turf)

年 卷 期：2024年第44卷第4期

页      面：64-75页

学科分类：07[理学] 0713[理学-生态学] 

基　　金：内蒙古自治区高等学校科学研究项目(NJZY23053) 内蒙古自然科学基金(2023QN01006,2023LHMS01012) 内蒙古财经大学自治区直属高校基本科研业务费项目(NCYWT23027) 一流学科科研专项(YLXKZXNCD-010) 

主　　题：干旱预测 贝叶斯优化算法 卷积神经网络 长短期记忆网络 锡林郭勒草原 

摘      要：【目的】建立基于BO-CNN-LSTM耦合神经网络的干旱预测模型,探索干旱预测的适用性。【方法】首先,基于长短期记忆网络(LSTM)的记忆功能,将其嵌入卷积神经网络(CNN)全连接层。其次,为确定最优超参数,将贝叶斯优化算法(BO)的概率代理模型和采集函数引入至LSTM。最后,建立BO-CNN-LSTM耦合神经网络模型用以预测干旱状况。【结果】1) BO-CNN-LSTM预测精度随时间尺度的增大而提高,对SPEI-12模拟精度最高,且判定系数R2均在98%以上;2)与LSTM模型SPEI-12的模拟结果进行比较,BO-CNN-LSTM表现出更高拟合精度。其中R2相对提高值为[4.63%,8.67%],MSE的数量级由10-2降至10-3;3)通过BO-CNN-LSTM预测2023年锡林郭勒草原干旱空间分布,结果显示该区域整体呈干旱态势。其中东乌珠穆沁旗站点区域属于中旱,其它区域均属于重旱。【结论】BO-CNN-LSTM具有较高的计算精度,尤其适用于预测SPEI-12,故可将其应用于年时间尺度干旱预测。