基于時空序列的CNN-GRU氣溫預(yù)測模型

摘要： 針對傳統(tǒng)氣溫預(yù)測方法在面對多維度樣本時模型收斂速率低、模型擬合程度差等問題，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）和門控循環(huán)單元（GRU）的組合預(yù)測模型。首先，使用CNN對原始樣本數(shù)據(jù)進(jìn)行降維，提取樣本中各特征向量之間的隱含關(guān)系；其次，通過GRU網(wǎng)絡(luò)學(xué)習(xí)降維后的樣本數(shù)據(jù)的特征動態(tài)變化趨勢與規(guī)律來實(shí)現(xiàn)氣溫預(yù)測。通過德國耶拿馬克斯普朗克生物地球化學(xué)研究所氣象站的氣象觀測數(shù)據(jù)驗證所提模型... （共6頁）