第39卷第2期福建电脑Vol.39No.22023年2月JournalofFujianComputerFeb.2023———————————————本文得到国家重点研发计划“重大自然灾害监测预警与防范”专项（No.2018YFC1505805）、福建省引导性项目“福建省前汛期持续性强降水过程延伸期预报的人工智能技术研究”（No.2021Y0057）、福建省引导性项目“基于深度时空多尺度交叉注意力的华南前汛期极端降水延伸期预报研究”（No.2022Y0008）资助。邓敏，男，1998年生，主要研究领域为人工智能应用。E-mail:2589319011@qq.com。游立军（通信作者），男，1974年生，主要研究领域为延伸期预报、气象信息技术。E-mail:ylj16003@163.com。翁彬，男，1981年生，主要研究领域为人工智能理论与应用。E-mail:binweng@fjnu.edu.cn。郑子华，女，1976年生，主要研究领域为人工智能、信号处理。E-mail:zh_z_h@163.com。叶锋，男，1978年生，主要研究领域为人工智能应用。E-mail:yefeng@fjnu.edu.cn。用于高温次季节预报的深度学习方法邓敏1,2,3游立军4翁彬1,2,3郑子华1,2,3叶锋1,2,31(福建师范大学计算机与网络空间安全学院福州350117)2(数字福建大数据安全技术研究所福州350117)3(福建省公共服务大数据挖掘与应用工程技术研究所福州350117)4(福建省气象科学研究所福州350007)摘要高温是一种比较常见的气象灾害，对人们日常生活和健康以及国民经济都有一定的影响。准确地预报未来10-30天（次季节）的每日高温天气状况，有助于人们及早地做出对应的决策和降低财产损失。本文设计了一种深度学习模型，通过对两个Encoder提取的大气环流和地表高温的特征进行延迟融合，并结合Decoder逐日输出高温预报结果。实验结果表明，本文的方法有较好的预测效果，相较于单个Encoder的深度学习方法，均方根误差降低了2.12%，异常相关系数提高了2.72%，决定系数提高了0.04。关键词高温次季节预报；深度学习；气象预报数据中图法分类号TP389.1DOI:10.16707/j.cnki.fjpc.2023.02.001AdeepLearningMethodforSub-seasonalForecastofHighTemperatureDENGMin1,2,3,YOULijun4,WENGBin1,2,3,ZHENGZihua1,2,3,YEFeng1,2,31(CollegeofComputerandCyberSecurity,FujianNormalUniversity,Fuzhou,China,350117)2(DigitalFujianInstituteofBigDataSecurityTechnology,Fuzhou,China,350117)3(EngineeringTechnologyResearchCenterforPublicServiceBigDataMiningandApplicationofFujianProvince,Fuzhou,China,350117)4(FujianInstituteo...
