来源：期刊VIP网 时间：
作者：张煜杰;陈学颖;罗海峰;翁彬;黄丽清;游立军;
单位：福建师范大学计算机与网络空间安全学院;数字福建大数据安全技术研究所;福建省公共服务大数据挖掘与应用工程技术研究中心;福建省气象信息中心,福建省灾害天气重点实验室;
摘要：现有全球数值预报模型通常提供大尺度、低分辨率的预报结果，难以满足局部地区精细化气象预报的需求。针对福建省未来30天平均气温预报问题，提出基于多层感知机和卷积神经网络2种深度学习方法。实验结果表明，独立建模的CNN在5×5网格输入下表现最优，平均绝对误差和均方误差分别降低65.3%和86.7%,相关系数提高4.4%。该模型在较小空间尺度下更擅长提取局地特征，显著优于欧洲中期天气预报中心的基准模型。结果表明，在特定区域中选择合适的网格尺度和模型结构可显著提升气温预报精度。
关键词：气温预报;;深度学习;;卷积神经网络;;多层感知机
基金资助：国家自然科学基金青年基金项目(42301500);; 福建省自然科学基金项目(2022J01188);; 国家重点研发计划专项(2018YFC1505805);; 福建省引导性项目(2021Y0057,2022Y0008)
