基于驱动分析的LSTM干旱预测模型研究 |
| |
引用本文: | 李艳玲,巩雅杰.基于驱动分析的LSTM干旱预测模型研究[J].数学的实践与认识,2022(5):92-102. |
| |
作者姓名: | 李艳玲 巩雅杰 |
| |
作者单位: | 华北水利水电大学数学与统计学院 |
| |
基金项目: | 国家自然科学基金(51679189);;河南省科技攻关计划(212102310306); |
| |
摘 要: | 干旱是世界上影响面最广、造成损失最大的自然现象之一.论文利用1961-2020年黄河流域河南段的逐月气象数据,计算不同时间尺度的标准化降水蒸散指数(SPEI),在Copula熵的基础上根据Hampel准则选择干旱驱动因子,构建多变量长短时记忆(LSTM)神经网络预测模型.结果表明:以驱动分析选择出的水汽压、湿度、温度及降水量作为输入变量集的多变量LSTM模型预测精度较高;预测精度随着SPEI时间尺度的增大而提高,尤其对长期干旱有较好的预测效果;黄河流域河南段的东部地区有发生轻、中度干旱的风险,为相关部门制定防旱措施提供依据.
|
关 键 词: | LSTM Copula熵 驱动因子 干旱预测 SPEI |
|
|