论文部分内容阅读
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（R^2均大于0．985），但是对于低温预测效果均相对欠佳；PS0_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