基于GRU神经网络与灰色模型集成的气温预报
周满国
黄艳国
杨训根
江西理工大学电气工程与自动化学院,江西赣州341000
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.
关键词：气温预报门控循环单元灰色模型深度学习
分类号：P456.9(天气预报)
资助基金：国家自然科学基金(72061016)江西省教育厅科技项目(GJJ160608)
论文发表日期：2020-12-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 855-864 )
英文信息