科研之友
微信
新浪微博
Facebook
分享链接
摘要
气温数据多为时间序列数据，其非平稳、非线性特性使得传统单一模型较难捕捉隐藏在数据内部的深层特征，因此提出一种基于分解-集合的时序卷积网络（CEEMDAN-WOA-TCN）气温预测模型。首先利用自适应噪声完备集合经验模态分解（CEEMDAN）对预处理后的数据进行分解，然后使用鲸鱼优化算法（WOA）参数优化后的时序卷积网络（TCN）对分解后的各个模态进行预测，最后将所有模态的预测结果线性集合，得到最终预测结果。实验以北京气象站点数据作为分析样例，结果表明，该模型可以有效地提取时间序列数据变化的潜在特征，实现较高精度的预测。
- 单位
