一种混合神经网络的武陵山片区气候预测模型

摘要

时序数据具有时间高维性、依赖性等特点,因此建立时序数据的预测模型成为目前研究的热点.武陵山片区山地较多,农业生产、农民生活等受天气影响较大,准确预测当地的气候情况,有利于农民进行生产、生活安排.为此,从单变量、多变量、单步长和多步长的时序数据出发,对单模型如多层感知机、卷积神经网络、长短记忆神经网络模型的时序预测模型及应用进行深入分析,提出了一种混合神经网络的武陵山片区气候预测模型(DHNM).该模型基于Keras开发,用多类型数据输入训练和测试.实验部分,首先对获取的武陵山片区文本时序数据和图像时序数据进行预处理;其次构建DHNM模型并进行训练和验证;最后完成了各模型实验结果对比以及可视化过程.与单模型相比,DHNM性能较好.