采用ALSTM模型的温度和降雨关联预测研究

黄坚强，秦亮曦

(1.广西大学 计算机与电子信息学院, 广西 南宁 530004;2.广西多媒体通信与网络技术重点实验室, 广西 南宁 530004)

0 引言

天气变化极大地影响着人类的日常生活。为了准确地把握未来的天气状况，人类从未停止过对天气预测的研究。各种气象观测仪器、观测和分析技术等都在迅速发展。短时天气预测(如降雨和温度)一直是天气预报领域的一个重要问题，其目标是预测0～6 h内的天气状况。准确的短时降雨和温度预测可以针对可能出现的极端天气情况做出及时的预警。

在过去的十几年中，通过雷达影像进行短期降雨预测已经研究开发了许多技术手段，但是这些方法都比较依赖于所预测区域的天气条件，不是十分稳定。另外也有利用气象观测卫星数据进行预测气温的相关研究，但由于卫星同时观察的地面范围较宽(东西宽度2 800 km)，对某一地区每天只能进行两次观测，间隔时间为12 h，因此该方法在空间分辨率和时间频率方面都难以满足要求。近些年来，也出现了利用神经网络对历史数据进行学习，并对未来天气情况进行预测的研究。由于神经网络具有较强的学习能力和拟合高度非线性函数的能力[1]，因而取得了较好的效果。但由于传统的神经网络大都属于浅层神经网络，在其学习过程中，难以获得历史数据中的深层特征信息。因此，若能提取数据的深层特征，则预测精度将得到提高，而近年来出现的深度学习方法恰好能较好地提取数据的深层特征[2]，如卷积网络[3]、多隐层神经网络[4]和深度神经网络(deep neural networks, DNN)等。……