基于EEMD-LSTM模型的天山北坡经济 带年降水量预测

摘要: 降水量预测是现代气候预测业务的核心和难点。耦合模型在新疆降水量预测的研究应用屈指可数，因此，通过尝试建立集合经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）和长短期记忆神经网络（Long Short-Term Memory Network，LSTM）的耦合模型对天山北坡经济带降水量进行预测研究。将1965—2019年天山北坡经济带共55 a的年降水量数据进行EEMD分解，转换成4个平稳分量和趋势项，通过谱分析得出各个分量的准周期，为后续训练LSTM模型提供基础。根据EEMD分解后的各分量训练得出LSTM网络模型并利用该模型进行研究区降水量预测。结果表明：EEMD-LSTM耦合模型预测2010—2019年天山北坡经济带降水量的平均相对误差为13.38%，均方根误差为38.03 mm，认为EEMD-LSTM耦合模型对天山北坡经济带降水量预测精度较好。利用EEMD-LSTM耦合模型预测2020—2029年天山北坡经济带年降水量，其中有6 a降水偏多，4 a降水偏少，2025年可能为极端湿润年，降水偏多超过20%；而2021年为极端干旱年，降水量预计低于200 mm。本文探索了干旱区降水量预测的新方法，并为气象防灾减灾工作提供参考依据。