文献类型：期刊文献

中文题名：基于ARIMA模型和CNN-LSTM组合模型的全球气温预测分析

作者：严迅 铁承城 鄢薇 何杰艳 管春春 吕井明

第一作者：严迅

机构：[1]贵州理工学院,贵州贵阳550000

第一机构：贵州理工学院

年份：2024

期号：2

起止页码：19-22

中文期刊名：科技与创新

外文期刊名：Science and Technology & Innovation

基金：贵州省重点支持领域项目“基于神经网络模型优化的城市空气污染物浓度预测”(编号:S202214440125)。

语种：中文

中文关键词：CNN-LSTM模型;ARIMA时间序列模型;全球气温预测;环境问题

摘要：全球气温预测研究对于国家环境健康状况评价、环境问题分析和预防污染物浓度管理具有重大价值。为有效提升温度预报准确率,首次引入了ARIMA(自回归移动平均模型)模型进行温度预测,而后又给出了一个基于卷积层神经网络(Convolutional Neural Networks,CNN)和长短期记忆神经网络(Long Short-Term Memory,LSTM)相结合的温度预报模型。利用CNN卷积层和池化层为特征提取模块,从而获得了数据特征;将重构信息注入LSTM网络中挖掘气温的时序特征。结果表明,与单独使用LSTM、CNN进行预测及使用ARIMA模型预测相比,CNN-LSTM模型预测结果具有更高的准确率。