第２３卷第７期２０２３年４月科技和产业ＳｃｉｅｎｃｅＴｅｃｈｎｏｌｏｇｙａｎｄＩｎｄｕｓｔｒｙＶｏｌ．２３，Ｎｏ．７Ａｐｒ．，２０２３基于深度学习对茅台机场降水量预测的研究余涛涛１，江柯２，高鹏１（１．中国民用航空飞行学院空中交通管理学院，四川广汉６１８３０７；２．峨眉山市气象局，四川乐山６１４２００）摘要：强降水等恶劣天气对于民航的正常运行有着极大的危害，降水量的准确预测有助于民航等企业安全稳定运行。通过对机场跑道自动气象观测系统（ＡＷＯＳ）收集的降水时序数据进行预处理，为深度学习提供训练和测试的样本集，然后分别构建长短期记忆模型（ＬＳＴＭ）和时序卷积网络（ＴＣＮ）模型，实现对未来１～３ｈ降水量的预测，并对两个模型的预测精度进行比较分析。结果表明，ＴＣＮ模型的预测效果优于ＬＳＴＭ模型。其中，对未来１～３ｈ降水量的预测中，ＴＣＮ模型的Ｒ２分别为０．９６、０．９１和０．８６。关键词：降水量预测；长短期记忆模型（ＬＳＴＭ）；时序卷积网络（ＴＣＮ）中图分类号：ＴＰ１８３；ＴＰ３９１．４文献标志码：Ａ文章编号：１６７１－１８０７（２０２３）０７－０２３５－０６收稿日期：２０２２－１０－１０作者简介：余涛涛（１９９６—），男，河南信阳人，中国民用航空飞行学院空中交通管理学院，硕士研究生，研究方向为航空气象、人工智能；江柯（１９９６—），女，四川成都人，峨眉山市气象局，硕士，研究方向为航空气象、数据分析；高鹏（１９９７—），男，四川成都人，中国民用航空飞行学院空中交通管理学院，硕士研究生，研究方向为航空气象、人工智能。近年来，强降水等恶劣天气频发，造成了很大的经济损失甚至威胁人民的生命安全，而降水问题本身就是一个随机事件，且受到地理位置、气候等多重因素的影响。降水预报的准确性越高，越有利于企业和地区获悉强降水的状况，进而对可能的灾情进行提前布控，防灾防涝。对于民航等企业，“未来两小时内某目的地有强降雨”比“今天某目的地有雨”更加有意义，从中也凸显降水预报的价值。现有的预报模式主要是数值预报，其模型大多数是基于线性的，这样就无法真实地模拟降水系统的生肖演变，且时效性短，故而传统方法在降水短临预报的准确性上难以取得新的突破［１－２］。随着人工智能迅速发展，其日渐渗透到生活的方方面面，气象领域也开始注重这方面的研究。将人工智能技术与气象研究相结合，并利用其“黑匣子”机制，能够从海...
