排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
在多时间尺度上对京津冀的旱情进行准确地预测可为当地抗旱提供有效支撑。基于1961—2019年京津冀22个气象站点的降水、气温、平均湿度等多个气象因子数据,计算标准化降水蒸散发指数(standardized precipitation evapotranspiration index, SPEI),并构建长短时记忆神经网络模型(long short-term memory model, LSTM)对多时间尺度的SPEI(SEPI-3、SPEI-6、SPEI-9、SPEI-12和SPEI-24)进行时空预测。采用平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(R2)对预测模型进行精度评估。结果表明在唐山气象站上,LSTM模型对多时间尺度SPEI(SEPI-3、SPEI-6、SPEI-9、SPEI-12和SPEI-24)值的预测效果较好。在时间序列预测方面,LSTM模型的预测精度随着SPEI的时间尺度增加而逐渐提高,其中LSTM模型在3个月和24个月SPEI时间尺度上的MAE分别为0.473和0.197,RMSE分别为0.627和0.260,R2 相似文献
1