基于Attention-BiLSTM混合模型的月尺度降水量预测OA
Monthly Precipitation Prediction Based on Attention-BiLSTM Model
降水受到多种气象因素的影响,从而导致降水预测精度不高.针对这个问题,在考虑影响降水的多个气象因素基础上,通过Attention机制赋予各种气象因素不同的权重,结合双向长短期记忆神经网络(BiLSTM),提出了改进的Attention-BiLSTM混合模型去实现月尺度降水量的预测.以江西省南昌气象站为例,将1989-2018年的逐月降水量与逐月气象因素(气温、蒸发量、气压等)观测资料作为模型输入数据,通过Attention机制识别出各种气象因素的权…查看全部>>
Precipitation is affected by various meteorological factors,leading to low prediction accuracy.To solve this problem,multiple meteorological factors affecting precipitation were considered,and the attention mechanism was used to assign different weights to various meteorological factors.Combined with the bidirectional long short-term memory neural network(BiLSTM),an improved attention-BiLSTM model was proposed to predict monthly precipitation.By taking the N…查看全部>>
成玉祥;肖丽英;王萍根;刘祥周;章晨晖
南昌工程学院水利与生态工程学院,江西 南昌 330099南昌工程学院水利与生态工程学院,江西 南昌 330099南昌工程学院水利与生态工程学院,江西 南昌 330099南昌工程学院水利与生态工程学院,江西 南昌 330099南昌工程学院水利与生态工程学院,江西 南昌 330099
水利科学
月尺度降水气象因子Attention机制BiLSTM预测性能
monthly precipitationmeteorological factorsattention mechanismBiLSTMprediction performance
《人民珠江》 2024 (6)
73-81,9
国家自然科学基金项目(52069014、52069015)2021年江西省学位与研究生教育教学改革研究项目(JXYJG-2021-210)江西省科技厅项目(20212BDH81002)南昌工程学院大学生创新创业计划项目(2021011、2022066)
评论