融合时空特征的浓雾短临趋势预测算法

为减少浓雾可能导致的各项损失,浓雾短临趋势预测已成为气象短临预测领域的研究热点。然而,目前相关研究较多侧重于浓雾所具有的时间特征,忽略其空间特征,从而导致预测准确率较低。为此,提出一种融合时空特征的浓雾短临趋势预测算法。该算法通过将多气象站点抽象为图数据的节点,引入图注意力网络,实现空间特征的提取;在此基础上,针对性地调整长短期记忆网络,结合时间信息,对所提取的空间特征进一步提取时间特征,实现特征级融合,并使用全连接层输出能见度预测值;最后根据能见度预测值,对浓雾短临趋势开展预测。本文所提算法针对美国国家环境信息中心的公开气象数据开展了2 h内的浓雾短临趋势预测实验,实验结果表明所提算法的F1-score和TS-score较基线模型有2%~12%的提升,证明所提算法具有良好的实际应用价值。