發(fā)布時間：2021-08-11 10:36

　　大氣溫度變化和人類的活動密切相關,因此,進行精確的大氣溫度預測對人類活動具有重要意義.該文針對RNN和LSTM因記憶模塊能力不足而產(chǎn)生的大氣溫度預測滯后問題,提出了增加卷積神經(jīng)網(wǎng)絡的改進LSTM預測方法,并對中國氣象數(shù)據(jù)網(wǎng)中沈陽市（站號54342）的溫度數(shù)據(jù)進行驗證.結果顯示,改進LSTM模型可以將溫度預測的均方根誤差從0.003 049提高到0.002 083,判定系數(shù)從0.978提高到0.981,說明改進的LSTM預測模型對大氣溫度進行模擬預測是有效的. 

【文章來源】：通化師范學院學報. 2020,41(08)

【文章頁數(shù)】：5 頁

【部分圖文】：

RNN結構

圖1 RNN結構RNN網(wǎng)絡因其具有記憶功能，所以在處理時間序列數(shù)據(jù)方面已經(jīng)取得了較大成功，但仍然存在梯度消失、梯度爆炸、長期記憶不足等問題.為了彌補RNN的不足，LSTM應運而生.LSTM相對于RNN，隱含層結構多了3個控制門，即輸入門、遺忘門、輸出門[7]，對應圖3中的it、ft、ot.遺忘門決定從細胞狀態(tài)中丟棄的信息，輸入門決定細胞狀態(tài)更新的信息，輸出門控制將要輸出的信息.圖3為標準LSTM隱含層細胞結構，其中xt、ct、ht分別為t時刻的輸入單元、細胞狀態(tài)、輸出單元，ct-1、ht-1分別為t-1時刻細胞的狀態(tài)和輸出單元，φ1為sigmoid函數(shù)，φ2為tanh函數(shù).本文以連續(xù)的8個大氣溫度時間序列數(shù)據(jù)作為輸入，通過LSTM網(wǎng)絡處理得到下一時刻的溫度預測值.

RNN網(wǎng)絡因其具有記憶功能，所以在處理時間序列數(shù)據(jù)方面已經(jīng)取得了較大成功，但仍然存在梯度消失、梯度爆炸、長期記憶不足等問題.為了彌補RNN的不足，LSTM應運而生.LSTM相對于RNN，隱含層結構多了3個控制門，即輸入門、遺忘門、輸出門[7]，對應圖3中的it、ft、ot.遺忘門決定從細胞狀態(tài)中丟棄的信息，輸入門決定細胞狀態(tài)更新的信息，輸出門控制將要輸出的信息.圖3為標準LSTM隱含層細胞結構，其中xt、ct、ht分別為t時刻的輸入單元、細胞狀態(tài)、輸出單元，ct-1、ht-1分別為t-1時刻細胞的狀態(tài)和輸出單元，φ1為sigmoid函數(shù)，φ2為tanh函數(shù).本文以連續(xù)的8個大氣溫度時間序列數(shù)據(jù)作為輸入，通過LSTM網(wǎng)絡處理得到下一時刻的溫度預測值.由圖3可知，LSTM細胞前向計算方法可以表示為[8]:

【參考文獻】：
期刊論文
[1]基于LSTM神經(jīng)網(wǎng)絡的滬深300指數(shù)預測模型研究[J]. 馮宇旭,李裕梅.  數(shù)學的實踐與認識. 2019(07)
[2]一種基于CNN和RNN深度神經(jīng)網(wǎng)絡的天氣預測模型——以北京地區(qū)雷暴的6小時臨近預報為例[J]. 倪錚,文韜.  數(shù)值計算與計算機應用. 2018(04)
[3]基于改進的LSTM深度神經(jīng)網(wǎng)絡語音識別研究[J]. 趙淑芳,董小雨.  鄭州大學學報(工學版). 2018(05)
[4]基于高斯過程混合模型的大氣溫濕度預測[J]. 周亞同,趙翔宇,何峰,石超君.  農(nóng)業(yè)工程學報. 2018(05)
[5]面向控制的溫室系統(tǒng)小氣候環(huán)境模型要求與現(xiàn)狀[J]. 徐立鴻,蘇遠平,梁毓明.  農(nóng)業(yè)工程學報. 2013(19)
[6]BP神經(jīng)網(wǎng)絡輸入層數(shù)據(jù)歸一化研究[J]. 柳小桐.  機械工程與自動化. 2010(03)
[7]BP神經(jīng)網(wǎng)絡隱層結構的設計方法[J]. 蔡兵.  通化師范學院學報. 2007(02)



本文編號：3336007