基于ARIMA模型和CNN-LSTM组合模型的全球气温预测分析

扫码查看

原文链接

万方数据
维普

中文摘要：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.

作者：

严迅、铁承城、鄢薇、何杰艳、管春春、吕井明

展开 >

作者单位：

贵州理工学院,贵州贵阳 550000

关键词：

CNN-LSTM模型 ARIMA时间序列模型全球气温预测环境问题

基金：

贵州省重点支持领域项目

项目编号：

S202214440125

出版年：

2024

DOI：

10.15913/j.cnki.kjycx.2024.02.005

科技与创新

中国计算机用户协会

科技与创新

ISSN：1008-0570

年,卷(期)：2024.(2)

被引量1
参考文献量7