雷凯

（安徽大学，安徽 合肥 230601）

一直以来，大气温度的变化与人类的生产生活都密切相关，它一方面影响着人类的日常正常活动，能否保证人类的正常出行，社会的正常运作；另一方面也影响着农业、社会工业、生产业等行业的发展，极端高温、低温等天气现象对于各行业生产，特别是对于农业生产的影响极为重大；还有一方面也影响着生态环境的可持续性的发展。

在大气温度研究领域上，最早是气象人员通过自身从事气象预测的经验来对未来可能出现的气温剧烈变化进行预测。但这种方法缺乏科学上的数据解释分析，对研究人员的要求也比较高，因此预测误差也比较大。然后，随着科研人员将统计学知识应用到大气温度研究领域，先收集大气温度的历史数据，得到各气象因素之间的相关性，借助于可用到的数学统计等原理建立较为准确的预测模型。随着大数据技术的火热发展，可以处理更大规模的数据量，速度更快，精度更高，用于预测大气温度可建立的模型也随之越复杂起来。通过数据挖掘技术，我们可以在气象研究领域挖掘更多的气象信息，从而获得了海量相关的数据，我们能够充分利用海量气象数据解决气象领域的相关问题。另外深度学习在随着大数据时代的发展，也得到了火速发展，深度学习通过对数据的拟合，使得该方法在不同领域得到应用。

1 气温预测模型

1.1 RNN 模型

标准的RNN 模型结构如图1 所示，循环神经网络相对于传统神经网络只注重当前时刻的处理，会考虑上一时刻留存下来的信息对当前时刻的影响。……