| 基于时间序列的季节性气温预测研究 |
| |
| 引用本文： | 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,2022,30(3):83-89. |
| |
| 作者姓名： | 赵成兵 刘丹秀 谢新平 刘静 |
| |
| 作者单位： | 安徽建筑大学? 数理学院，安徽? 合肥? 230601 |
| |
| 基金项目： | 安徽省高等学校自然科学基金项目（KJ2021A0631） |
| |
| 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%。
|
| 关 键 词： | 随机森林 自回归移动平均模型 平均温度 季节性 Python |
Research on Seasonal Temperature Forecasting Based on Time Series |
| |
| ZHAO Chengbing,LIU Danxiu,XIE Xinping,LIU Jing.Research on Seasonal Temperature Forecasting Based on Time Series[J].Journal of Anhui Jianzhu University,2022,30(3):83-89. |
| |
| Authors: | ZHAO Chengbing LIU Danxiu XIE Xinping LIU Jing |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《安徽建筑大学学报》浏览原始摘要信息 |
|
点击此处可从《安徽建筑大学学报》下载全文 |
