典型文献
基于时间序列的季节性气温预测研究
文献摘要：
气温的变化受风速、湿度、日照时数等因素的影响,可以通过分析这些因素预测气温的变化情况.考虑到气温序列中存在季节特性,采用One-Hot编码方法提取气温序列中的季节性信息,并作为随机森林模型的输入特征,对月平均气温进行拟合与预测.由于模型构建时涉及众多超参数,文中利用随机搜索和网格搜索两种算法优化模型中的超参数.结果表明:考虑季节性的随机森林模型拟合效果优于简单随机森林模型,预测数据变化趋势与实际观测基本一致,拟合精度可以达到96.14％.经两种方法对超参数寻优之后,模型拟合精度可以达到96.45％.
文献关键词：
随机森林;自回归移动平均模型;平均温度;季节性;Python
中图分类号：
作者姓名：
赵成兵;刘丹秀;谢新平;刘静
作者机构：
安徽建筑大学 数理学院,安徽 合肥 230601
文献出处：
引用格式：
[1]赵成兵;刘丹秀;谢新平;刘静-.基于时间序列的季节性气温预测研究)[J].安徽建筑大学学报,2022(03):83-89
A类：
B类：
气温预测,预测研究,日照时数,季节特性,One,Hot,编码方法,随机森林模型,输入特征,平均气温,随机搜索,网格搜索,算法优化,模型拟合,拟合效果,预测数据,数据变化,拟合精度,超参数寻优,自回归移动平均模型,平均温度,Python
AB值：
0.382066
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
