《表3 基于LSTM的大气可降水量估算模型精度》
利用地面气象要素基于深度LSTM神经网络对怀化地区4个观测站的GPS可降水量估算建模进行训练,并利用测试集对模型精度进行检验,结果如表3和图3(以LSTM1模型为例)所示。由表3可知,沅陵、溆浦、靖州和通道4个观测站的深度LSTM可降水量估算模型决定系数均大于0.94,LSTM5模型RMSE均值为1.158 1 mm,MAE均值为0.709 9 mm,MAPE均值为4.54%;LSTM1模型RMSE均值为1.1303mm,MAE均值为0.670 7 mm,MAPE均值为4.23%。相较于基于水汽压的可降水量线性拟合或二次多项式拟合模型5 mm的RMSE的估算精度[8,10-12],LSTM模型精度提升了70%以上,且R2、MAE和MAPE指标均得到大幅改进。LSTM1模型精度略优于LSTM5模型,可能是由于LSTM5模型选用的5个特征因子间存在一定相关性造成的信息冗余影响模型精度。由图3可知,除个别时次外,可降水量LSTM模型估算值均能较好反映实际观测值,且对可降水量的转折性变化有较好体现,进而反映可降水量变化趋势。对比4个观测站LSTM模型估算可降水量精度,可见其与测站海拔高度呈现正相关,海拔最高的通道站(表1)其大气可降水量估算RMSE仅为0.847 9 mm,为4个观测站最小。其原因可能是大气水汽分布随海拔呈指数衰减,低海拔地区水汽更为充沛且变化迅速,增加了模型的训练难度。
图表编号 | XD00132413300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.25 |
作者 | 罗宇、罗林艳、范嘉智、段思汝、高文娟 |
绘制单位 | 中国气象局气象干部培训学院湖南分院、湖南省气象信息中心、中国气象局气象干部培训学院湖南分院、中国气象局气象干部培训学院湖南分院、中国气象局气象干部培训学院湖南分院 |
更多格式 | 高清、无水印(增值服务) |