作品编号：B689（三等奖）
作品名称：基于深度学习的气象干旱时空预测分析
作者单位：华北水利水电大学地球科学与工程学院
小组成员：张棋，丁严，李缙昌
指导老师：许德合
表1 标准化降水指数干旱分级
Tab.1 Drought classification based on SPI
等级
类型
指数范围
无旱
指数≥-0.5
轻旱
-1.0≤指数<-0.5
中旱
-1.5≤指数<-1.0
重旱
-2.0≤指数<-1.5
特旱
指数≤-2.0
3.2 时空模式挖掘
3.2.1 时空立方体
图2 时空立方体模型
3.2.2 时空序列聚类
其中：
3.2.3 时空热点分析
3.2.4 经验贝叶斯克里金插值法（EBK）
3.3.1 ARIMA模型
（4）中θ(L)和ϕ(L)分别为：
ARIMA(p，d，q)模型的一般式：
其中，p，q阶数采用赤池信息准则（Akaike Information Criterion, AIC）和贝叶斯信息准则（Bayesian Information Criterion, BIC）来确定，当样本数N固定时，选择AIC和BIC最小值来确定p，q。公式如下：
3.3.2 LSTM模型
式中：i、f、C、o分别表示为输入门、遗忘门、细胞状态、输出门；W和b分别为对应的权重系数矩阵和偏置项；σ和tanh分别为sigmoid和双曲正切激活函数。
图 3 LSTM模型结构图
图 4 LSTM隐藏层细胞结构
建模流程如下：
·输入数据的预处理
·参数率定与训练
·网络输出与评价验证
3.3.3 ARIMA-LSTM模型
本研究的主要功能是结合线性和非线性模型对多尺度干旱指数进行组合预测，并利用改进的克里金插值法EBK 和时空模式挖掘方法对预测结果进行可视化分析与展示。能够为我国气象干旱、农业生产，防灾减灾提供理论基础与科学依据。