基于时间序列的山区风向预测方法研究

为更好的预测山区风向,分别使用自回归滑动平均模型(Auto-Regressive Moving Average Model,ARMA)、极端梯度提升算法(eXtreme Gradient Boosting,XGBoost)和长短期记忆网络(Long Short Memory Network,LSTM)对山区4个气象站的风向时间观测序列进行预测,比较三种算法的优劣。针对风向独特的性质,结合传统气象学知识,探索了一种风向的预测方法：引入风速序列,将风速、风向拆分为U、V风,对其分别进行预测,进而将结果合成,使用设定的风向评分检验结果。对比结果表明：1)XGBoost获得了最高的评分;2)使用双时间序列预测风向相比单序列效果更好。