基于LSTM神经网络的青藏高原月降水量预测

摘要

青藏高原的降水量预测不仅为该地区水资源合理规划利用提供依据,同时对中国及周边国家气候变化研究有着重要的意义。论文利用1990—2016年青藏高原降水量数据,采用长短期记忆神经网络（LSTM）对青藏高原月降水量进行预测,主要包括:①使用青藏高原86个测站1990—2013年的月降水资料,预测各个测站2014—2016年的月降水量,并与传统的RNN、NAR、SSA和ARIMA预测模型相比,平均决定系数R2分别提高了0.07、0.15、0.13和0.36,均方根误差（RMSE）和平均绝对误差（MAE）表现更低;②分析了降水量预测精度的空间分布特征,将各模型的R2在青藏高原地区内插值,分析R2的空间分布特征,发现所有模型降雨稀少的干旱地区和降雨多的湿润地区R2较低,在气候稳定、降水规律性明显的地区R2较高,且LSTM模型R2≥0.6的空间范围远大于传统模型;③分析了不同预测长度对各模型预测精度的影响,发现所有模型会随着预测长度增加而预测精度降低,但在不同的预测长度下LSTM预测的RMSE值都低于其他模型。