基于动态特征选择和长短期记忆模型的气温预报方法

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：传统的气象多要素预测方法,主要问题是无法表达气象数据的时间相关性,且容易出现维度灾难,引起计算效率低下.本文提出基于动态相关性的特征选择和长短期记忆模型相结合的预测方法,利用动态相关性选择出与气温高度相关的特征,在此基础上利用长短期记忆模型建立气温预测模型.该方法可以有效地降低网络的复杂度,在预测具有时间相关性的气象要素时具有较高的预测准确率和普适性.

外文标题：Temperature prediction method based on dynamic feature selection and LSTM model

外文关键词：

feature selectiondynamic correlationlong short-term memory(LSTM)modeltime sequences

作者：

韩立、李芳

展开 >

作者单位：

大连东软信息学院软件与大数据技术系,辽宁大连 116023

大连交通大学档案馆

关键词：

特征选择动态相关性长短期记忆模型时间序列

出版年：

2023

DOI：

10.16644/j.cnki.cn33-1094/tp.2023.10.030

计算机时代

浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411

ISSN：1006-8228

年,卷(期)：2023.(10)

参考文献量10