基于GRU神經網絡與灰色模型集成的氣溫預報

作者：周滿國,黃艷國,楊訓根

摘要：使用傳統單一模型預報氣溫經常出現漏報現象,最終導致預測結果不理想,精度較低。針對單一預報模型穩定性較低,隨機性偏高,突發性較多的特點,在深度學習理論的基礎上,提出一種采用門控循環單元(GRU)和灰色模型(GM)集成的方法,先分別訓練兩個模型,再通過權值ω將二者的預測結果進行加權組合,權值ω適當調整模型,改善模型的預報結果,提高模型的預報精度,并加快了運行速度,并且其普遍適用性和應急突發能力得到巨大改善。實驗表明,將GRU神經網絡加入灰色模型進行氣溫預報,效果要明顯優于單一的模型,其標準差小了近一倍,從而表明實驗方法的可行性和有效性。

發文機構：江西理工大學電氣工程與自動化學院

關鍵詞：氣溫預報門控循環單元灰色模型深度學習temperature forecastgated cycle unitgrey modeldeep learning

分類號： P456.9[天文地球—大氣科學及氣象學]