翻译为中文Monthly precipitation is a typical non-linear time series data According to the poor fitting ability of the traditional ARIMA time series model to the nonlinear sequence the nonlinear fitting cha

月降水量是典型的非线性时间序列数据。鉴于传统ARIMA时间序列模型对非线性序列的拟合能力较差，利用深度神经网络中LSTM模型的非线性拟合特性建立ARIMA-LSTM月降水量非线性组合预测模型。以某个气象观测站60年的降水观测数据为例，将ARIMA-LSTM组合模型应用于月降水预测。为测试模型的可行性，引入BP神经网络模型进行比较验证。实验结果表明，ARIMA-LSTM模型具有比ARIMA模型和BP模型更高的预测精度，可为短期气候预测业务提供参考和利用。