首页> 中文期刊> 《实验室研究与探索》 >基于门控循环单元神经网络的大气能见度临近预报技术

基于门控循环单元神经网络的大气能见度临近预报技术

         

摘要

针对大气能见度变化具有突变性以及复杂非线性问题,利用神经网络对复杂非线性过程拟合能力强且对映射关系变化反应速度快的特点,采用门控循环单元(GRU)神经网络为算法框架,将某省17个国家气象观测站近5年的地面能见度及相关要素数据预处理后形成本地化能见度数据集,通过该数据集对网络进行1~4 h预报时效的训练、测试与验证。实验结果显示,基于GRU神经网络的大气能见度短临预报算法其均衡平均数(F1-score)、准确率(accuracy)和风险评分(TS-score)指标明显优于长短期记忆神经网络(LSTM)、临近K指数(KNN)与支撑向量机(SVM)大气能见度短临预报算法。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号