-
题名基于LSTM循环神经网络的雷电潜势预测
被引量:1
- 1
-
-
作者
吴安坤
吴仕军
丁旻
张弛
张淑霞
-
机构
贵州省气象灾害防御技术中心
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2023年第8期117-124,共8页
-
基金
贵州省科技基金资助(黔科合基础-ZK[2022]一般245)
贵州省科技支撑项目(黔科合支撑[2021]一般510)。
-
文摘
为探索循环神经网络模型在非线性预测中的应用,进一步提高雷电潜势预测的准确率,构建长短期记忆(LSTM)循环神经网络模型,并以贵阳探空站为例,统计站点周边100 km、12 h范围内的闪电次数,获取23个与雷电活动关联度r>0.8的探空物理量参数,以此作为预测模型的样本特征;分析超参数选取对模型的影响,开展(0,24]h内的雷电潜势预测研究,并对比检验效果。研究结果表明:构建学习率为0.0001、批量样本量为32、输入序列长度为10的LSTM网络模型,有利于提高模型泛化和快速收敛;通过输入前5天的大风指数、修正指数等23个探空物理量参数,发现(0,12]h的雷电潜势预测效果明显优于(12,24]h;采用该模型验证(0,12]h测试数据,得出被试工作特征曲线线下面积(AUC)接近于1,命中率(POD)为93.4%,虚警率(FAR)为17.4%,临界成功指数(CSI)为78.1%,验证了该模型的有效性。
-
关键词
长短期记忆(LSTM)
循环神经网络
雷电潜势预测
大气物理量参数
关联度
准确率
-
Keywords
long short-term memory(LSTM)recurrent neural network
atmospheric physical quantity parameters
correlation
lightning potential prediction
accuracy
-
分类号
X915.5
[环境科学与工程—安全科学]
-