jena温度预测

一、数据分析项目介绍1. 项目背景介绍预测在整个过程中是不可或缺的一部分,它影响我们的重要决策,所以在很多公司或者机构都存在预测模型.从预测的时间跨度来看的话,我们可以将我们的预测模型初步划分为:短期,中期和长期预测 其中短期预测常常用来安排人员调度,交通等;中期预测则往往被用来确定下一阶段的资源需求,例如是否需要购买原材料机器设备等.而长期预测更多的出现在公司的策略决定当中,这样的决定经常要考虑市场的机会环境因素以及内部资源等各种因素.明确预测的目标,是长期预测还是短期预测,是所有的产品预测还是单个产品预测.多久需要进行预测。一旦决定要预测什么,然后就可以针对性的进行数据的收集。一言以蔽之,理解需求。气象温度预测即是气象预测的重点问题，也是难点问题，对社会生产生活实践有着巨大的影响是一项具有挑战性和深远意义的工作。随着气象数据观测技术手段的不断进步，气象数据呈现了爆炸性增长，这给遭遇了发展瓶颈的气象预测技术带来了新的机遇和挑战。针对上述情況，本文基于能够适应海量数据的深度学习的方法.通过实验对比分析的研究方法，对气象温度预测问题进行研究和探索。在本文中介绍了相关的深度学习的模型和气象温度预测的理论，并通过对比实验，证明了深度学习相关模型在气象温度预测上的可行性和对比于浅度神经网络和支持向量机等传统气象温度预测方法的优越性，获得了较好的研究成果。随后，根据上面实验的成果，本文又提出了基于支持向量机模型对深度学习模型进行改进的方法，并且实验证明了该改进算法的有效性和可用性。本文的研究内容为今后深度学习的相关方法在气象温度预测实践技术上的应用和发展提供了一定的理论基础。2.项目的目的和意义这次任务的主要目的是利用历史观测数据和气象模式的预报数据来预报未来24小时的降水。这个问题的难度其实还是挺大的, 在预报时长上算是中短期气象预报。如果没有气象模式的预报结果，那这个任务其实是短时气象预报的核心任务。数千名科学家都曾想方设法研究，称其为973项目都不为过。不过这次有了气象模式的帮助，算是站在巨人肩膀上工作。气象模式发端与1922年理查森开始利用流体运动方程预报天气运动。自1946年冯诺依曼制造第一台计算机后，数值气象预报变成可能。近年来数值气象预报在气象业务中扮演着顶梁柱的决策，成为气象预报不可或缺的判断依据。气象预测是商务贸易、人类生产生活发展进步需要和对气象自然现象的研究和发展的综合产物。通常人们所说的气象预测，用科学的语营来表达的话，即是将大气视为研究的对象，对一定时空范围内的大气运动状况进行预报。气象预测在多个方面的应用都有极大的作用，例如气候监测、干旱监测、灾害性天预测、农业与生产计划、能量工业计划、航空工业、交通以及污染扩散等等。因此，气象预测在社会生产和生活实践中起着非常重要的作用。以宁夏地区为例，宁夏大部分地区属于千旱和半干旱地区，特别是以六盘山区为中心的宁夏南部山区，自然条件较差，雨量较少，天气因素对当地居民的生产生活影响极大。因此对宁夏南 部山区未来一定时段内的气温状况做出预测，以便气象工作者及时预知和处理气象问题，有着重要意义。与此同时，由于气象变化是一个极其复杂的过程，气象预测又一个具有挑战性的任务，需要多个学科的专业知识和实践技术。气象数据资料分为14大类细分更有几百种小类各种种类 的数据相互关联、相互影响，难以用一个公式函数拟合出来w。而在气象大数据的时代大背景下，随着气象数据观测科学手段的不断进步，多种气象数据呈现了爆炸性增长。原有气象预测的方法，无法完全匹配人们对气象预测的需要,因此亟需新的更加准确的方法进行气象预测。在面对极大数据的挑战和机遇的时候我们寻求一种能够针对大数据更有希望和前景的新的技术和方法。而对比于简单的浅层神经网络模型深度神经网络模型可以提供更高的表达能力。同时，由于深度学习的模型采用逐层无监督预训练的方法将每一层的输入数据映射到新的特征空间中去，有效地減少了参数量&