基于时空序列的CNN-GRU气温预测模型

作者：**; 杨剑波^*; 李锐; 许洁; 李辉

来源：计算机应用, 2023, S2: 54-59.

• 气温预测
• 时空序列
• 卷积神经网络
• 门控循环单元
• 自注意力机制

针对传统气温预测方法在面对多维度样本时模型收敛速率低、模型拟合程度差等问题，提出一种基于卷积神经网络（CNN）和门控循环单元（GRU）的组合预测模型。首先，使用CNN对原始样本数据进行降维，提取样本中各特征向量之间的隐含关系；其次，通过GRU网络学习降维后的样本数据的特征动态变化趋势与规律来实现气温预测。通过德国耶拿马克斯普朗克生物地球化学研究所气象站的气象观测数据验证所提模型。实验结果表明，与未采用卷积操作的Prophet-LSTM和PCA-GRU结构神经网络相比，所提模型在处理高维度样本数据时能在保证模型收敛速率的同时，分别将平均绝对误差（MAE）降低24.0%和22.8%，均方根误差（RMSE）降低42.2%和39.4%，验证了它在实际环境中预测温度趋势的有效性。

• 单位
  电子工程学院; 成都理工大学; 四川轻化工大学