《表4 基于3月起报得到的北京市6月降水预测各结果指标对比》
对图2和表4分析可见:LSTM网络的结果优于逐步回归、BP神经网络和BCC-CSM模式原始输出。对于北京6月降水预测结果,逐步回归的预测结果和LSTM网络相比虽RMSE接近,但LSTM网络的平均值与观测更接近。BP神经网络的预测结果整体偏高,且RMSE最高。BCC-CSM模式预测结果稳定性不佳,2016年6月和2017年6月降水预测结果与观测相差较大。综合考虑平均值和RMSE,LSTM预测结果较其他结果有一定的优势,后续将对LSTM网络预测结果做进一步讨论研究。
图表编号 | XD00168394800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.30 |
作者 | 沈皓俊、罗勇、赵宗慈、王汉杰 |
绘制单位 | 清华大学地球系统科学系地球系统数值模拟教育部重点试验室、清华大学地球系统科学系地球系统数值模拟教育部重点试验室、全球变化与中国绿色发展协同创新中心、清华大学地球系统科学系地球系统数值模拟教育部重点试验室、中国气象局国家气候中心、清华大学地球系统科学系地球系统数值模拟教育部重点试验室 |
更多格式 | 高清、无水印(增值服务) |