当来自先前一个隐藏状态的信息传递给sigmoid函数时，并且sigmoid函数在有接收到当前输入信息数据的同时，sigmoid函数在遗忘门中开始发挥作用，这时遗忘门就会将输出值控制在0和1之间，当数值越接近0时，意味着网络越应该丢弃这个信息数据，同样地，当数值越接近1，意味着网络越应该保留该数据，这样就能够决定信息是否被丢弃还是保留。

为了对南京市日最高气温进行预测，选择LSTM算法和EMD方法构建EMD-LSTM预测模型并对模型分析评价。分析日最高气温数据特征后，采用EMD方法消除数据的非平稳性，利用LSTM算法预测未来气温并与实际气温比较，研究模型的预测效果。结果表明，用EMD方法分解得到平稳数据后，用LSTM算法处理得到预测气温与实际气温的图形曲线基本重合，偏离实际值的范围比较小；改变训练区间，与不应用EMD方法的LSTM模型比较后发现，EMD-LSTM模型的预测气温的均方根误差都小于传统LSTM模型。采用EMD算法消除非平稳性后，LSTM算法对气温的预测准确度提高，EMD-LSTM模型有助于提高预测气温的效果。

冷热、阴晴、雨雪、风霜等天气现象都紧密地与人们的生活联系在一起，天气的好坏影响着生活和生产；气温也是一种气象数据，经济风险要求其随气象变化调整，

国内外学者都对气温预测进行大量的研究，这都反映国内外研究者对气温预测的重视，经过这些研究历程，着重分析了如何做好天气预报和气候预测的几点技巧，结合了相关内容从五个方面进行阐述，这些都说明气象的预测非常受重视,这为之后的气象数据的处理和预测奠定了基础。

关于物理模型和数学模型，在物理模型上，它们的计算要求有很大限制，对气象数据的预测受到了物理定律支配，在物理规则下数据变得非常敏感，预测时受到的限制更加大；而气象数据及其庞大，运用数学模型可以更好地利用大量的气象数据，被限制的程度相比较物理模型会显得更小，更适合应用于预测研究中。

主要思路是对统计学的应用，利用逐小时的气温和逐日的最高气温、最低气温、平均总云量、降水量资料,根据月平均气温有周期性的特点,消除季节性趋势, 构建了模型并进行拟合，诸如此类，国内外有较多运用时间序列模型的研究。

在研究进程中，许多研究者越来越注重精确度，为了能更准确不断地思考方法。以一种与时俱进的心态积极引入更多新型、高效的方法,进一步提升准确率,对其进行了深入分析和讨论，对提高预测的技巧进行探讨,提高其准确性。