基于动态特征选择和长短期记忆模型的气温预报方法
Temperature prediction method based on dynamic feature selection and LSTM model
韩立 1李芳2
作者信息
- 1. 大连东软信息学院软件与大数据技术系,辽宁 大连 116023
- 2. 大连交通大学档案馆
- 折叠
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.
关键词
特征选择/动态相关性/长短期记忆模型/时间序列Key words
feature selection/dynamic correlation/long short-term memory(LSTM)model/time sequences引用本文复制引用
出版年
2023
NETL
NSTL
维普
万方数据