科研之友
微信
新浪微博
Facebook
分享链接
摘要
气温变化对人们的正常出行、社会发展与生态环境都有着很大的影响，而天气和气候具有一定的随机性和无序性，是难以预测的复杂模型。本文采用长短期记忆网络深度学习模型对气温时间序列进行建模及预测，并将其与门循环单元模型、深度神经网络模型预测结果进行比较。结果显示，LSTM预测的均方误差比其它2个模型预测精度更高，且在处理较大数据集时具有更好的性能。
- 单位
气温变化对人们的正常出行、社会发展与生态环境都有着很大的影响，而天气和气候具有一定的随机性和无序性，是难以预测的复杂模型。本文采用长短期记忆网络深度学习模型对气温时间序列进行建模及预测，并将其与门循环单元模型、深度神经网络模型预测结果进行比较。结果显示，LSTM预测的均方误差比其它2个模型预测精度更高，且在处理较大数据集时具有更好的性能。
