论文部分内容阅读
摘 要:团雾预测是气象学中非常复杂的一项科学问题。本文将深度学习技术应用到大气科学专业的实践应用中,提出一种基于集合经验模态分解和LSTM的团雾预测模型。该模型首先将实况能见度数据转化成时序数据,再分解成有限个体现不同时间尺度的本征信号函数,改善了传统模态分解存在的模态混合问题,再通过LSTM自学习神经网络参数,最终形成团雾预测的方法模型。实验结果表明,该方法能较好地反映能见度变化趋势,平均绝对误差较低,能够有效避免传统LSTM方法的预测滞后效应。该模型对于短时能见度变化具有良好的预测效果,可适用于对