基于GRU-CNN模型的云南地区短期气温预测

摘要

为了利用较少的预测数据提高短期温度预测精度,将CNN(卷积神经网络)与GRU(门控循环单元网络)相结合,开展了深度学习技术在云南地区的日最高最低气温预测的应用;提取了云南地区8个站点1980-2019年的日度最高最低气温数据,将过去三十天的最高最低气温数据进行预处理后输入CNN、GRU与GRU-CNN模型进行训练,最终利用训练好的模型对站点未来三天的最高最低气温进行预测。在利用RMSE(均方根误差)和MAE(平均绝对误差)对预测效果进行评价后,结果显示GRU-CNN模型的预测效果显著优于CNN模型和GRU模型。GRU模型可以提取序列的时间变化特征,而CNN可以提取数据空间变化的深层局部特征,二者的结合提高了模型的适应能力,让模型可以应对诸如气温预测等复杂的深度学习问题。