基于LSTM的气温数据建模研究  

Research on Temperature Data Modeling Based on LSTM

作　　者：武双新 Wu Shuangxin

机构地区：[1]昆明理工大学信息工程与自动化学院,云南昆明650500

出　　处：《数据通信》2021年第2期47-51,共5页

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。

关 键 词：时间序列模型 长短时记忆网络模型 气温数据 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]