摘要
大气温度数据是一个复杂的非线性系统,容易受到气压、降水量、地表温度等因素的影响,为了充分利用大气温度时序性特点,以中国气象数据网中合肥市(站号58321)为实验数据,提出了一种基于卷积神经网络(CNN)和双向长短期记忆神经网络(BiLSTM)结合的方法,通过捕获向前和向后序列数据中的信息,并融入注意力机制,对输入数据进行权重分配提高输入信息有效利用率。结果表明CNN-BiLSTM-Attention融合神经网络具有更好的时空特征提取能力和关注更重要信息的特征,预测精度和准确性较单一神经网络有了进一步提升,可以应用于温度预测应用中。
