基于自适应SA-PSO改进的XGBoost气温预测方法

作者：王强; 秦华旺^*; 齐春帅; 王琴琴

来源：电子测量技术, 2023, 46(07): 67-72.

DOI：10.19651/j.cnki.emt.2211300

• XGBoost
• PCA
• 粒子群优化算法
• 模拟退火算法
• Python

提出了一种SA-PSO-XGBoost预测模型，基于2016年1月1日～2017年12月31日的ECMWF气象数据，用于预测南京地区6 h后的气温。将气象数据分为训练集和测试集，使用PCA降维方法对气象数据特征进行压缩降维，然后应用模拟退火和粒子群优化混合算法对XGBoost模型的超参数进行优化，并将测试集数据带入到SA-PSO-XGBoost、XGBoost、GRU和LSTM神经网络进行对比分析，实验结果表明：SA-PSO-XGBoost预测6 h后的温度模型有更高的准确性和鲁棒性。

• 单位
  山西师范大学; 南京信息工程大学