%0 Journal Article
%T 基于PSO—LSSVM和Elman神经网络的北京市气温预测效果比较
%A 许振赐
%A 刘君陶
%A 王国栋
%A 杨建平
%J 河南农业科学
%P 157-160
%D 2013
%X 利用北京市1960-2004年的月平均气温数据,建立最小二乘支持向量机(LSSVM)与Elman神经网络模型,分别运用粒子群算法(PSO)与试凑法对这2种模型进行优化,并对2005-2009年的月平均气温进行预测估计,比较2种模型的预测结果,以便找出更准确的气温预测模型。结果表明,2种模型总体上均能较好地拟合气温序列(R2均大于0.985),但是对于低温预测效果均相对欠佳;PSO_LSSVM预测误差(RMSE=1.3806)明显小于Elman神经网络(RMSE=1.7325),拟合精度更高,能更好地对短期气温变化进行模拟。因此,可用PSO_LSSVM模型进行气温预测,指导当地的农业生产与工业开发。
%K PSO_LSSVM
%K Elman神经网络
%K 气温预测
%U http://www.hnnykx.org.cn/CN/abstract/abstract889.shtml