李晶，唐全莉.基于1DCNN和LSTM的单站逐时气温预报方法[J].热带气象学报，2022，38(6)：800-811.文章编号：1004-4965(2022)06-0800-12基于1DCNN和LSTM的单站逐时气温预报方法李晶1，唐全莉2（1.宁波工程学院经济与管理学院，浙江宁波315000；2.昆明理工大学理学院，云南昆明650500）摘要：针对海量气象观测数据间存在大量的物理噪声、与气温无关的冗余特征以及时间相关性，提出了一种将一维卷积神经网络(1DCNN)和长短期记忆神经网络(LSTM)相结合的多信息融合气温预报方法。首先，运用差分法对气象观测数据进行预处理，得到平稳时间序列数据；其次，运用1DCNN提取与气温变化相关的特征变量作为神经网络模型的输入变量；最后，运用1DCNN和LSTM构建多信息融合气温预报模型1DCNN-LSTM，并以云南省昆明市历史气象观测数据为例，与传统的LSTM、1DCNN和反向传播神经网络(BP)对未来24小时的逐时气温预报进行了比较研究。研究结果表明，1DCNN-LSTM的均方根误差(RMSE)相较于LSTM、1DCNN和BP最大降低了5.221%、19.350%和9.253%，平均绝对误差(MAE)最大降低了4.419%、17.520%和8.089%。为气温的精准预报提供了参考依据。关键词：1DCNN神经网络；LSTM神经网络；多信息融合；气温预报；单站逐时预测中图分类号：P456.4文献标志码：ADoi：10.16032/j.issn.1004-4965.2022.074收稿日期：2021-04-13；修订日期：2022-08-08基金项目：浙江省统计局重点项目(22TJZZ25)；国家自然科学基金(71964018)；云南省社会科学基金(YB2019036)；昆明理工大学学生课外学术科技创新基金(2020YB207)共同资助通讯作者：李晶，女，河北省人，副教授，博士，从事数据科学、质量管理工程研究。E-mail：254201056@qq.com第38卷第6期2022年12月热带气象学报JOURNALOFTROPICALMETEOROLOGYVol.38,No.6Dec.,20221引言气温是影响气候最主要的参数之一，其变化可导致财产损失，甚至会威胁人类生命。因此，精准的气温预报在人类的经济活动、地质灾害防控、医疗实践等众多领域具有重要意义[1-5]。因此，有效挖掘地面气象观测站中的时间序列数据，预知未来气温的动态变化，受到国内外专家学者的高度重视[6-8]。早期的气温预报方法大多运用数值预报方法[9]和传统的统计学预报方法[10]。张金秀等[11]运用统计学方法系统分析了河西走廊东部强降温的时空分布、强度等气候特征，并利用Press准则和逐步回归方法对预报因子进行初选和精选，构建了一种基于最优子集回归的各地月最低气温预报方法，为强降温预...
