10.16652/j.issn.1004-373x.2022.01.017
基于PCA和改进PSO-GRU神经网络的气温预测
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.
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
45
TN911.1-34
国家自然科学基金41575155
2022-02-22(万方平台首次上网日期,不代表论文的发表时间)
共6页
89-94