一种基于VMD-GA-BiLSTM的月降水量预测方法技术

本发明专利技术属于深度学习及气象预测研究领域，具体涉及一种基于VMD

【技术实现步骤摘要】
一种基于VMD
‑
GA
‑
BiLSTM的月降水量预测方法


[0001]本专利技术属于深度学习及气象预测研究领域，具体涉及一种基于VMD
‑
GA
‑
BiLSTM的月降水量预测方法。

技术介绍

[0002]月降水量预测研究对于农业工作方面有一定的指示作用，农业工作者根据未来月降水量变化情况实施作业，在恰当的时机进行播种、施肥、灌溉等工作，可以保证农业工作高质量完成。同时，根据降水预测结果，及时准备防旱防涝等措施，可以减少天气变化对农作物的影响。由此可见，深入研究降水预测理论与技术，把握未来时刻降水的变化趋势，对洪涝干旱的防治以及水资源利用和存储等都有非常重要的意义。近年来，全球气候变暖，极端降水事件频繁发生，尤其在汛期阶段，频发的降水严重威胁了人们的生命财产安全。降水是一个高度复杂的非线性过程，其发生的天气学条件非常复杂，加上易受地形、海拔等各种因素的影响，因此降水量的预测难度大，预测的准确率一直也是研究人员们关注的焦点之一。目前，在人工智能技术迅速发展的背景下，因为深度学习算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于VMD
‑
GA
‑
BiLSTM的月降水量预测方法，其特征在于，实现过程分三个步骤：第一步骤：数据的预处理：脏数据清洗、数据归一化和降水数据集的重构；第二步骤：采用VMD方法将原始降水数据分解为若干个子序列；第三步骤：建立BiLSTM网络模型，并使用遗传算法优化网络参数，将各个子序列输入模型进行训练和预测并对比分析实验结果。2.根据权利要求1所述的一种基于VMD
‑
GA
‑
BiLSTM的月降水量预测方法，其特征在于，所述第一步骤中：1）脏数据清洗：由于气象观测站仪器偶然发生故障或其他不确定因素会导致原始数据缺失，使用前一观测时刻的降水数据对其填充；2）数据归一化：为可以加快收敛过程，在数据输入神经网络前，采用归一化方法将数据限定在一定的范围内，采用min
‑
max的归一化方法；3）降水数据集的重构：使用滑动窗口重构数据集，获得连续时刻的多元时间特征，得到多组输入输出数据，并划分训练集和测试集。3.根据权利要求1所述的一种基于VMD
‑
GA
‑
BiLSTM的月降水量预测方法，其特征在于，所...

【专利技术属性】
技术研发人员：于霞，张博臻，宋杰，段勇，李冰洁，陈晓达，娄宇泉，刘鼎歆，刘先康，
申请(专利权)人：沈阳工业大学，
类型：发明
国别省市：