基于CNN-LSTM模型的全球气温预测研究.pdfVIP

AdvancesinAppliedMathematics应用数学进展,2024,13(1),302-312

PublishedOnlineJanuary2024inHans./journal/aam

/10.12677/aam.2024.131033

基于CNN-LSTM模型的全球气温预测研究

*

张宇，何青霞，曾诗懿

重庆理工大学理学院，重庆

收稿日期：2023年12月19日；录用日期：2024年1月13日；发布日期：2024年1月23日

摘要

必威体育精装版数据表明，自20世纪初以来，温室效应不断加剧，导致全球平均气温上升约1.4℃，极端高温天气

严重影响了人们的生活、生产和健康。因此，对全球气温进行预测具有重要意义，本文根据气温时间序

列构建ARIMA自回归时间序列预测模型和深度卷积长短期记忆网络模型(CNN-LSTM)对未来20年的全球

年平均气温进行预测。为了对比CNN-LSTM模型和ARIMA模型的预测效果，我们分别利用1880年至2022

年的全球平均气温数据对这两种模型进行了训练和预测。通过对预测结果的对比和精度验证，可以全面

评估这两种模型在气温预测方面的表现。研究结果表明，CNN-LSTM模型在预测精度和稳定性方面优于

ARIMA模型，CNN-LSTM模型结合了卷积神经网络(CNN)和长短期记忆网络(LSTM)的优点，CNN能够降

低数据维度，而LSTM能保持对长时间跨度的时间序列的良好记忆。这种模型充分考虑了气象数据的时

间相关性，从而可以提高对海量、长时间序列气温数据的预测精度。

关键词

气温预测，ARIMA，CNN-LSTM

ResearchonGlobalTemperaturePrediction

BasedonCNN-LSTMModel

*

YuZhang,QingxiaHe,ShiyiZeng

SchoolofScience,ChongqingUniversityofTechnology,Chongqing

ththrd

Received:Dec.19,2023;accepted:Jan.13,2024;published:Jan.23,2024

Abstract

Thelatestdatashowsthatsincethebeginningofthe20thcentury,thegreenhouseeffecthasbeen

intensifying,resultinginariseintheglobalaveragetemperatureofabout1.4˚C,andextremeheat

*通讯作者。

文章引用:张宇,何青霞,曾诗懿.基于CNN-LSTM模型的全球气温预测研究[J].应用数学进展,2024,13(1):302-312.

DOI:10.12677/aam.2024.131033

张宇等

weatherhasseriouslyaffectedpeople’slives,productionandhealth.Therefore,itisofgreatsigni-

ficancetopredictglobaltemperature,andthispaperconstructsanARIMAautoregressivetimese-

riespredictionmodelandadeepconvolutionallongshort-termmemorynetworkmodel(CNN-LSTM)

basedonthetemp