摘要
气温数据多为时间序列数据,其非平稳、非线性特性使得传统单一模型较难捕捉隐藏在数据内部的深层特征,因此提出一种基于分解-集合的时序卷积网络(CEEMDAN-WOA-TCN)气温预测模型.首先利用自适应噪声完备集合经验模态分解(CEEMDAN)对预处理后的数据进行分解,然后使用鲸鱼优化算法(WOA)参数优化后的时序卷积网络(TCN)对分解后的各个模态进行预测,最后将所有模态的预测结果线性集合,得到最终预测结果.实验以北京气象站点数据作为分析样例,结果表明,该模型可以有效地提取时间序列数据变化的潜在特征,实现较高精度的预测.
NETL
NSTL
维普
万方数据