基于PCA和改进PSO-GRU神经网络的气温预测

摘要：

针对传统气温预测方法预测难度大、精度差及气象数据大而带来的计算量大等问题,提出一种基于主成分分析(PCA)和改进粒子群算法优化门控循环单元(GRU)的递归神经网络时间序列预测模型.首先,利用主成分分析算法对气象要素进行降维处理;然后,运用指数下降惯性权重和边界突变算子的改进粒子群算法(PSO)优化GRU神经网络.以南京地面观测站点的观测数据为样本数据,运用Python对模型进行训练,与传统的BP及LSTM神经网络预测模型对比,实验结果表明该模型具有更高的预测精度和稳定性.

关键词：气温预测;主成分分析;门控循环单元;时间序列;气象要素;粒子群优化;Python;预测精度

所属期刊栏目：45

分类号：TN911.1-34

资助基金：国家自然科学基金41575155

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：89-94