基于遗传算法-长短期记忆神经网络的月降水量预测研究

【摘要】：桂林市因其特殊的地理位置和自然环境,导致旱涝灾害频繁发生。准确及时的降水预报对于防洪抗旱具有非常重要的意义,同时对减轻旱涝灾害带来的经济损失、保护当地人民生命财产安全具有重要意义。本文利用桂林市1951-2019年的月降水量数据,建立长短期记忆神经网络(LSTM)模型和基于遗传算法的长短期记忆神经网络(GA-LSTM)模型,对桂林市6月、7月、8月的降水量进行训练。具体的研究进程如下:第一章中,首先介绍了以桂林市降水预报作为研究对象的原因,以及研究的背景意义等;其次,对遗传算法(GA)、长短期记忆神经网络(LSTM)以及降水的研究进程进行了论述;最后,交代了本文研究问题的思路。第二章中,依次给出了遗传算法(GA)、长短期神经网络(LSTM)算法的定义,对遗传算法、长短期神经网络的相关理论进行了详细的介绍,同时,为提高预测精度,考虑到遗传算法的空间探索的全局性,用其优化长短期记忆神经网络模型的参数,并给出优化后模型详细的操作流程。第三章中,为使建立的模型很好的学习数据中的规律,首先对桂林的降水数据进行预处理,将数据分为训练数据集和测试数据集;其次建立长短期记忆神经网络模型(LSTM)并分别对桂林1951-2019年6月、7月、8月的降水数据进行实验研究。第四章中,为提高预报精度,用遗传算法优化模型参数,用优化过参数的长短期记忆神经网络模型分别对桂林1951-2019年桂林6月、7月、8月的降水数据进行实证分析,并将两种模型的得到的分析结果进行对比,从而对桂林未来三年降水量进行预测。经过实证研究,基于遗传算法的长短期记忆神经网络模型(GA-LSTM)的拟合效果要优于长短期记忆神经网络模型(LSTM)的拟合结果。因此,本文利用GA-LSTM模型对桂林2020-2022年6月、7月、8月的月降水量进行了预测,同时也为桂林防洪抗旱给出了合理的建议。