神经网络模型在气象干旱预测中的应用

干旱预测是进行旱灾早期预警及主动防御的基础。文章基于1990~2020年内蒙古自治区43个国家气象站点逐日气象数据,计算标准化气象干旱综合指数(MCI),通过建立MCI序列长短时记忆神经网络模型(LSTM)和BP神经网络模型,选取典型年份结合反距离加权插值法(IDW)对模型时空尺度的预测适用性进行评价,借助均方根误差(RMSE)、平均绝对误差(MAE)和自回归决定系数(R^(2))对回归预测模型精度进行研判。结果表明:LSTM和BP神经网络模型在时空尺度预测中均具有较高的模拟精度,但LSTM模型在极端干旱中的预测精度略差于BP神经网络模型,结合均方根误差及绝对误差等指标,BP神经网络的预测精度要优于LSTM模型。