Page 78 - 《高原气象》2026年第2期

高 原 气 象 45 卷
378

图3 特征选择和模型构建的工作流程
x 为时间步t的输入， h 为时间步t的隐藏状态， 包含当前和之前时间步的信息， o 为时间步t的输出， W为前一隐藏状态h 到
t
t
t-1
t
当前隐藏状态的权重矩阵， U为输入x 到隐藏状态的权重矩阵， V为隐藏状态h 到输出o 的权重矩阵
t t t
Fig. 3 Workflow of feature selection and model development. At time step t， xₜ is the input； hₜ is the hidden state，
which contains both current and previous information； and oₜ is the output. The weight matrix W connects
the previous hidden state hₜ₋₁ to hₜ， U maps xₜ to hₜ， and V maps hₜ to oₜ
最佳（R ≈0. 91）， 之后趋于平稳。RF 和 SVM 在 40 为验证不同特征数量对模型预测能力的影响
2
个特征时［图 5（p）~（t）］分别达到最佳（R²分别为 并进行比较， 对各模型进行了精度验证（图 6）。特
0. 83和 0. 74）， 但对特征数量变化不敏感。MLR 性 征数量为前 10 个时， 评估结果排序为： LSTM>
能始终较差， 未明显改善。 MLP>RF>SVM>MLR。 以 最 优 模 型 LSTM 为 例 ，