基于LSTM-GAN的多任务学习气象元素预测方法

基于LSTM‑GAN的多任务学习气象元素预测方法，涉及气象元素预测与深度学习领域。解决了传统基于深度学习的LSTM‑GAN预测模型预测精度低的问题。本发明将输入数据中添加时间特征，帮助模型捕捉天气序列中的季节性和周期性的变化，并基于三层堆叠的LSTM、多头注意力机制和多任务学习机制构建的LSTM‑GAN模型捕捉时间序列中的长距离依赖关系并进行后续多任务学习，提高了每个气候变量的预测效果。本发明主要用于对多种气象元素同时预测。