基于改进PSO-LSTM神经网络的气温预测

摘要

气象数据的数据量通常较大,传统长短时记忆(LSTM)神经网络针对气象数据人为调参十分困难,为了解决这个问题,提出了一种改进PSO-LSTM模型。其通过使用非线性变化惯性权重和学习因子的粒子群算法(PSO)对LSTM神经网络的相关参数进行优化,去除人为调参因素。实验使用两个不同气象站点的气象数据集,结果表明,与竞争预测模型相比,改进PSO-LSTM模型具有更高的预测精度。