基于LSTM的气温数据建模研究

• 作者: 武双新
• 来源期刊: 数据通信
• 关键词: 时间序列模型 长短时记忆网络模型 气温数据
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 技术交流
• 页码范围: 47-51
• 页数: 5页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1002-5057.2021.02.011

摘要

气温数据是一种时间序列数据,具有明显非平稳波动特征.对气温数据进行建模可以对气温变化进行分析.针对时间序列模型预测精度不高的问题,提出了 一种长短时记忆网络(Long Short-Term Memory Recurrent Neural Network,LSTM)气温预测模型对昆明每天的最高温度进行预测,对不同模型进行实验并对预测结果进行对比分析.实验结果表明,该模型对昆明日最高气温数据预测的平均相对误差比ARIMA模型低55.75％.本文提出的长短时记忆网络模型相比于传统的差分自回归移动平均模型(ARIMA)对昆明的日最高气温数据预测有良好的表现.因此,该模型可以作为昆明日最高气温数据预测的一种有效方法.利用该模型对气温进行预测分析可以为气象工作者提供有价值的参考,具有指导意义.