摘要
全球气温预测研究对于国家环境健康状况评价、环境问题分析和预防污染物浓度管理具有重大价值.为有效提升温度预报准确率,首次引入了 ARIMA(自回归移动平均模型)模型进行温度预测,而后又给出了一个基于卷积层神经网络(Convolutional Neural Networks,CNN)和长短期记忆神经网络(Long Short-Term Memory,LSTM)相结合的温度预报模型.利用CNN卷积层和池化层为特征提取模块,从而获得了数据特征;将重构信息注入LSTM网络中挖掘气温的时序特征.结果表明,与单独使用LSTM、CNN进行预测及使用ARIMA模型预测相比,CNN-LSTM模型预测结果具有更高的准确率.
基金项目
贵州省重点支持领域项目(S202214440125)
维普
万方数据