基于GRU神经网络与灰色模型集成的气温预报

• 作者: 周满国 黄艳国 杨训根
• 来源期刊: 热带气象学报
• 关键词: 气温预报 门控循环单元 灰色模型 深度学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 论著|ARTICLES
• 页码范围: 855-864
• 页数: 10页
• 分类号: P456.9
• 语种: 中文
• DOI: 10.16032/j.issn.1004-4965.2020.076

摘要

使用传统单一模型预报气温经常出现漏报现象,最终导致预测结果不理想,精度较低.针对单一预报模型稳定性较低,随机性偏高,突发性较多的特点,在深度学习理论的基础上,提出一种采用门控循环单元(GRU)和灰色模型(GM)集成的方法,先分别训练两个模型,再通过权值ω将二者的预测结果进行加权组合,权值ω适当调整模型,改善模型的预报结果,提高模型的预报精度,并加快了运行速度,并且其普遍适用性和应急突发能力得到巨大改善.实验表明,将GRU神经网络加入灰色模型进行气温预报,效果要明显优于单一的模型,其标准差小了近一倍,从而表明实验方法的可行性和有效性.