1. 研究目的与意义（文献综述）

1.1 目的及意义

自古以来人们就努力通过各种方式预测天气变化，天气变化影响着人们日常生活的各个方面。21世纪以来，随着计算机技术的飞速发展，信息存储，传感器探测技术不断提高，气象信息化程度越来越高，气象部门能收集的气象数据资料越来越多，内容与种类也越来越丰富，气象资料呈几何倍数增长，这对气象大数据分析处理技术提出了更高的标准。

气象大数据时代的到来，能极大提高天气现象的预测准确率。天气变化是一个不稳定而又相当复杂的过程，受成千上万变量影响。这些变量每时每刻都在变化，每个变量的变化都能极大影响天气状况，在传统的计算智能模型中，我们必须先从一些基本假设出发，这些假设的正确性可能会影响最终的预测精度。而大数据的原则是让数据说话。当数据量足够大时，在数据空间中隐藏的由统计学科得出的结论可以由数据集直接或间接展现出来，我们可以避免在模型中使用对最终结果产生不良影响的假设，而且可以通过改善隐藏在数据中的相关性来获得更好的天气预测的精度。

2. 研究的基本内容与方案

1.1 基本内容及目的

分析历史气象温度对于未来天气情况的影响，建立多层神经网络模型，采用lstm（long short-term memory）长短期记忆网络进行深度学习，实现气象温度的预测，并对结果进行分析。

1.2 采用技术方案及措施

3. 研究计划与安排

2018/1/14—2018/3/5：确定选题，查阅文献，外文翻译和撰写开题报告；

2018/3/6—2018/4/30：系统架构、程序设计与开发、系统测试与完善；

2018/5/1—2018/5/25：撰写及修改毕业论文；

4. 参考文献（12篇以上）

[1] 于京燕.浅探现代天气预报技术发展的基础和特点[j].科技资讯,2008(33):217 219.

[2] 郭化文,尹爱芹.时间序列分析预测法在气象上的应用[j].泰安师专学报,2002(06):1-5.

[3]白玉洁.改进时间序列模型在降雨量预测中的应用研究[j].计算机仿真, 2011, 28(10):141-145.