基于CNN-Attention-BP的降水发生预测研究

来源：南京信息工程大学学报·自然科学版杂志2022年第2期北京时间：

作者：吴香华，华亚婕，官元红，王巍巍，刘端阳

单位：吴香华,南京信息工程大学 数学与统计学院, 南京 210044,华亚婕,南京信息工程大学 数学与统计学院, 南京 210044,官元红,南京信息工程大学 数学与统计学院, 南京 210044,王巍巍,南京信息工程大学 大气与实验环境教学中心, 南京 210044,刘端阳,南京气象科技创新研究院/中国气象局交通气象重点开放实验室, 南京 210008

摘要：在综合分析降水统计预测模型特点的基础上,提出一种基于Attention机制、卷积神经网络(CNN)和BP神经网络的CNN-Attention-BP组合模型,并对1961—2020年不同气候类型的长春站、白城站、延吉站夏季降水进行实证分析.首先,运用卷积神经网络对6—8月20—次日20时降水量、平均气压、平均风速、平均气温和平均相对湿度进行特征学习,利用Attention机制来确定气象影响因素对降水预测的权重;然后,使用BP神经网络进行降水发生预测,选用准确率、交叉熵损失函数和F1-score来综合评价CNN-Attention-BP组合模型的性能.最后,将单一的支持向量机、多层感知机和卷积神经网络模型与组合模型进行比较分析.结果表明,CNN-Attention-BP组合模型具有自主学习和关注更重要信息的特征,能够有效提高吉林省夏季降水发生模型的预测能力,在样本越均衡、降水频率越接近于0.5的站点,预测精度越高,准确率最高可达88.4％.CNN-Attention-BP组合模型的准确率相较于其他单一模型最高可以提高近17个百分点.

关键词：降水预测;卷积神经网络;Attention机制;BP神经网络;交叉熵损失函数

基金资助：国家重点研发计划(2018YFC1507905);国家自然科学基金(42075068,41975087);2020年江苏高校大学素质教育与数字化课程建设专项课题(2020JDKT032);南京信息工程大学2019年教改研究课题(共建共享的概率论与数理统计金课的探索与实践);南京信息工程大学数统学院本科专业建设项目