基于深度学习的天气预测：用于预测历史温度数据的CNN-LSTM混合模型
机器学习
2024-10-22 v1 分布式、并行与集群计算
大气与海洋物理
摘要
随着全球气候变化的加剧，准确的天气预报变得日益重要，这对农业、能源管理、环境保护和日常生活都有重要影响。本研究引入了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的混合模型，用于预测历史温度数据。CNN用于空间特征提取，而LSTM处理时间依赖性，显著提高了预测准确性和稳定性。通过采用均绝对误差（MAE）作为损失函数，该模型在处理复杂气象数据方面表现出色，解决了缺失数据和高维度等挑战。结果表明，预测曲线与测试数据之间的吻合度很高，验证了该模型在气候预测中的潜力。该研究为农业、能源管理和城市规划等领域提供了有价值的见解，为在全球气候变化背景下开展天气预报的未来应用奠定了基础。
关键词
引用
@article{arxiv.2410.14963,
title = {Deep Learning for Weather Forecasting: A CNN-LSTM Hybrid Model for Predicting Historical Temperature Data},
author = {Yuhao Gong and Yuchen Zhang and Fei Wang and Chi-Han Lee},
journal= {arXiv preprint arXiv:2410.14963},
year = {2024}
}