基于改进PSO-LSTM神经网络的气温预测

• 作者: 杨孟达
• 来源期刊: 现代信息科技
• 学科: 工学
• 关键词: 长短时记忆神经网络 粒子群算法 气温预测
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 计算机技术
• 页码范围: 110-112
• 页数: 3页
• 分类号: TP183
• 字数: 2870字
• 语种: 中文

摘要

气象数据的数据量通常较大,传统长短时记忆(LSTM)神经网络针对气象数据人为调参十分困难,为了解决这个问题,提出了一种改进PSO-LSTM模型.其通过使用非线性变化惯性权重和学习因子的粒子群算法(PSO)对LSTM神经网络的相关参数进行优化,去除人为调参因素.实验使用两个不同气象站点的气象数据集,结果表明,与竞争预测模型相比,改进PSO-LSTM模型具有更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨孟达	成都信息工程大学软件工程学院	1	0	0.0	0.0