典型文献
基于PCA和改进PSO-GRU神经网络的气温预测
文献摘要：
针对传统气温预测方法预测难度大、精度差及气象数据大而带来的计算量大等问题,提出一种基于主成分分析(PCA)和改进粒子群算法优化门控循环单元(GRU)的递归神经网络时间序列预测模型.首先,利用主成分分析算法对气象要素进行降维处理;然后,运用指数下降惯性权重和边界突变算子的改进粒子群算法(PSO)优化GRU神经网络.以南京地面观测站点的观测数据为样本数据,运用Python对模型进行训练,与传统的BP及LSTM神经网络预测模型对比,实验结果表明该模型具有更高的预测精度和稳定性.
文献关键词：
气温预测;主成分分析;门控循环单元;时间序列;气象要素;粒子群优化;Python;预测精度
中图分类号：
作者姓名：
杨迎新;杜景林;武艳
作者机构：
南京信息工程大学,江苏 南京 210044
文献出处：
引用格式：
[1]杨迎新;杜景林;武艳-.基于PCA和改进PSO-GRU神经网络的气温预测)[J].现代电子技术,2022(01):89-94
A类：
B类：
PSO,GRU,气温预测,气象数据,计算量,改进粒子群算法,算法优化,门控循环单元,递归神经网络,网络时间,时间序列预测模型,气象要素,降维处理,惯性权重,地面观测,观测站,观测数据,Python,神经网络预测模型,模型对比,粒子群优化
AB值：
0.279808
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。
