改进基于月历的预测准确度,通过网格搜索方法使用Bi-LSTM方法对降雨水平进行建模
Gumgum Darmawan1, Budhi Handoko1, Defi Yusti Faidah1
1Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Padjadjaran, Jl.Bandung-Sumedang Km 21 Jatinangor, Sumedang 45363, Indonesia.
TheScientificWorldJournal
|January 8, 2024
概括
这项研究比较了使用格里高利亚历和农历预测降雨的准确性. 月历表现出优越的预测能力,比格里高利亚历更小的平均绝对百分比误差 (MAPE).
科学领域:
- 气象学和气候学
- 数据科学和机器学习
背景情况:
- 降雨预测对于人类活动和防灾至关重要.
- 降雨等气候因素对日常生活和决策产生重大影响.
- 高强度降雨可能导致自然灾害,需要准确的预测.
研究的目的:
- 为了比较格里高利亚历和农历之间的降雨预报的准确性.
- 评估双向长期短期记忆 (Bi-LSTM) 模型在捕获异步日历中的模式方面的有效性.
- 为了确定哪种日历系统提供更准确的每月降雨预测.
主要方法:
- 利用印度尼西亚博戈尔市 (2001-2022) 的月度降雨数据.
- 采用双向长期短期记忆 (Bi-LSTM) 机器学习模型.
- 应用了网格搜索方法来优化两个日历系统的模型参数.
主要成果:
- 月历实现了14.82%的平均绝对百分比误差 (MAPE).
- 格里高利亚历的结果是更高的MAPE35.12%.
- 具有网格搜索优化的Bi-LSTM模型,与月球日历显示出更好的性能.
结论:
- 与格里高利亚历相比,月球日历提供了明显更好的降雨预测准确度.
- Bi-LSTM模型有效地捕捉了不同日历系统中降雨预测的时间模式.
- 使用月历数据准确预测降雨量,可以帮助更好地规划人类活动和减轻灾害.
