基于神经网络的时序预测模型研究

• 作者: 张恺 陈思
• 来源期刊: 电脑与电信
• 学科: 工学
• 关键词: 时间序列 神经网络 特征 时序预测
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 61-65
• 页数: 5页
• 分类号: TP183
• 字数: 2663字
• 语种: 中文

摘要

古人云“以史为鉴”,说的是吸取历史的经验教训,对未来的情况做出预判或者改变.生活中,亦是存在相似的利用历史数据对未来变化趋势进行预测分析的时间序列问题.本文就时间序列一类的问题进行研究,探讨如何更好地根据历史统计数据,对未来的变化趋势进行预测分析.本文基于神经网络,以气象观测历史数据作为研究的对象,建立了气温变化时序预测模型.本模型利用大数据相关技术对数据进行特征处理,通过深度神经网络,学习特征数据和标签数据之间复杂的非线性关系,从而实现对气温变化的趋势预测.实验结果表明,相较其他模型,本文的模型能够更好地进行时序预测,同时也证明了神经网络用于气象预测的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张恺		1	0	0.0	0.0
2	陈思		4	2	1.0	1.0