摘要详情
547 / 2026-03-21 10:57:44
基于多尺度时间特征提取和 STGNN 的广东省降水预测
时间序列预测；降水预测；序列分解；时空图神经网络
摘要录用
准确有效地预测非平稳性和随机性越来越强的降水时间序列,
对于人类活动正常开展和灾害防范具有重大意义.
本文以广东省区域 86 个气象站点的月度累计总降水量为研究对
象, 提出了 TVFEMD+VMD+MTGAscale 方法. 考虑从时间维度提取
原始时间序列的多尺度时间特征, 从空间维度捕捉多站点间的隐含空
间联系, 对广东省所有站点的月度累计总降水量进行预测. 其流程为：
第一步使用 TVFEMD 方法对原始降水时间序列进行分解, 得到多个
IMF 分量. 第二步使用反向散布熵衡量各分量的熵值, 划分为高频低
频, 并聚合高频分量得到高频序列. 第三步使用 VMD 方法对高频序列
再次分解, 将两次分解后的分量重构为新的子序列. 第四步对新子序
列的每个分量单独建立 MTGAscale 预测模型——经过残差缩放模块
改进的时空图神经网络 MTGA 模型. 将各分量预测结果加和即为最
终预测结果. 结合四个特殊站点 (站点排序最前、省会城市、降水量最
大和最小的站点) 的序列图、散点图以及特殊月份 (测试集样本中月度
累计总降水量最小和最大的月份) 的空间分布图, 从预测模型角度和
分解方法角度与其他方法进行对比, TVFEMD+VMD+MTGAscale 组
合方法的预测结果在 RMSE、MAE、RSE、RAE、R 和 NSE 六个指标
上均为最优.
总而言之, 基于多尺度时间特征提取和时空图神经网络的方法
TVFEMD+VMD+MTGAscale 既能对降水序列的发展趋势有较好的
把握, 又能在某些极端雨量上表现出准确的数值接近和空间定位, 充
分体现了分解方法使用 TVFEMD+VMD 的有效性以及预测模型为
MTGAscale 的优势性
重要日期
-
会议日期
04月25日
2026
至04月29日
2026
-
04月07日 2026
初稿截稿日期
主办单位
未来大气科学论坛理事会
承办单位
河海大学海洋学院
南京大学南京赫尔辛基大气与地球系统科学学院
南京大学南京赫尔辛基大气与地球系统科学学院
联系方式
- 秦箭煌
- qi******@hhu.edu.cn
- 173********
- 薛廉
- li******@nju.edu.cn
- 156********
- 孙佳妮
- sc******@chytey.com
- 152********
历届会议
-
2025年04月17日 中国 北京
第一届未来大气科学论坛
