10.16208/j.issn1000-7024.2019.03.024
基于随机森林的长短期记忆网络气温预测
针对气象数据多为时间序列, 而传统预测方法没有将时间相关性考虑在内, 导致预测准确率低的问题, 提出一种基于随机森林的长短期记忆网络气温预测模型.利用随机森林选择出与气温高度相关的气象要素作为输入变量, 消除原始气象数据中的噪音、降低网络的复杂度, 在此基础上利用长短期记忆网络建立总体预测模型, 在采集的多要素气象数据上进行实验.实验结果表明, 该模型在处理大规模多变量的时间序列数据时具有较高的预测精度和较强的泛化能力.
循环神经网络、长短期记忆网络、随机森林、时间序列、气温预测、气象要素
40
TP301.6(计算技术、计算机技术)
国家自然科学基金项目41575155
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共7页
737-743