基于時空序列的CNN-GRU氣溫預測模型

摘要： 針對傳統(tǒng)氣溫預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網絡（CNN）和門控循環(huán)單元（GRU）的組合預測模型。首先，使用CNN對原始樣本數據進行降維，提取樣本中各特征向量之間的隱含關系；其次，通過GRU網絡學習降維后的樣本數據的特征動態(tài)變化趨勢與規(guī)律來實現(xiàn)氣溫預測。通過德國耶拿馬克斯普朗克生物地球化學研究所氣象站的氣象觀測數據驗證所提模型...