基于长短期记忆循环神经网络的应用机器学习方法在多变量温度预测中的应用
机器学习
2025-03-11 v1 人工智能
摘要
本文概述了如何开发一个稠密深度神经网络来进行时间序列预测。首先将介绍人工智能与机器学习的历史和基石。在对人工智能和机器学习理论进行简短介绍之后，本文将深入探讨使用不同神经网络模型进行时间序列预测的技术。本项目使用了 Python 的开发环境 Jupyter，并辅以 TensorFlow 包和深度学习应用 Keras 进行扩展。在讨论时间序列预测之前，将更详细地解释系统设置和项目框架。主体部分展示了使用天气数据进行时间序列预测的应用实例。在本工作中，使用带有长短期记忆单元的深度循环神经网络来进行时间序列预测。工作的结果和评估表明，使用深度神经网络进行天气预报在短期内可以取得成功。然而，时间序列预测存在一些缺陷和局限性，本文将在结尾处对此进行讨论。
引用
@article{arxiv.2503.06278,
title = {Applied Machine Learning Methods with Long-Short Term Memory Based Recurrent Neural Networks for Multivariate Temperature Prediction},
author = {Bojan Lukić},
journal= {arXiv preprint arXiv:2503.06278},
year = {2025}
}
备注
11 pages, 16 figures, private research