|
|||||
|
|
| LSTM在低能见度预报中的应用 | |
| 引用本文： | 高鹏,江柯,余涛涛.LSTM在低能见度预报中的应用[J].科技和产业,2023,23(3):273-278. |
| 作者姓名： | 高鹏 江柯 余涛涛 |
| 作者单位： | 中国民用航空飞行学院 空中交通管理学院，四川 广汉 618307 |
| 摘 要： | 低能见度天气是制约交通出行的主要因素之一，提前做好低能见度的预报工作能利于提前决策、规避风险、降低损失。由于低能见度天气是时间序列问题，针对这种问题，近年来深度学习的长短时记忆网络模型能够显著提高预报精度，因此利用多变量数据对茅台机场低能见度进行预测。首先进行气象因素分析，利用皮尔逊相关系数法来挑选相关性高的气象因子，从而减小数据量得到更利于训练的数据集。然后利用LSTM网络对多元时间序列进行建模，实现机场低能见度的预测。经过试验，模型对茅台机场能见度的准确预报率为85.43%，为机场低能见度预报提供了新的方法。 |
| 关 键 词： | 多元时间序列 长短时记忆网络 低能见度 机场 |
Application of LSTM in Low Visibility Forecasting |
|
| Abstract: | |
| Keywords: | multivariate time series long short-term memory low visibility aerodrome |
| 点击此处可从《科技和产业》浏览原始摘要信息 | |
| 点击此处可从《科技和产业》下载免费的PDF全文 | |