; 前言
大家好，我是阿光。
本专栏整理了《PyTorch深度学习项目实战100例》，内包含了各种不同的深度学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。
正在更新中~ ✨
🚨 我的项目环境：
- 平台：Windows10
- 语言环境：python3.7
- 编译器：PyCharm
- PyTorch版本：1.8.1
💥 项目专栏：【PyTorch深度学习项目实战100例】
一、GRU进行天气变化的时间序列预测
由于大气运动极为复杂,影响天气的因素较多，而人们认识大气本身运动的能力极为有限,因此天气预报水平较低.预报员在预报实践中,每次预报的过程都极为复杂,需要综合分析,并预报各气象要素,比如温度、降水等.现阶段,以往极少出现的极端天气现象越来越多,这极大地增加了预报的难度。
本项目使用循环神经网络GRU训练一个网络模型，来预测在给定天气因素下，城市的温度变化。
; 二、数据集介绍
一个天气时间序列数据集，它由德国耶拿的马克思 • 普朗克生物地球化学研究所的气象站记录。在这个数据集中，每 10 分钟记录 14 个不同的量（比如气温、气压、湿度、风向等），其中包含2009-2016多
Original: https://blog.csdn.net/m0_47256162/article/details/127171689
Author: Bi 8 Bo
Title: 【PyTorch深度学习项目实战100例】—— 使用GRU进行天气变化的时间序列预测 | 第11例
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/723016/
转载文章受原作者版权保护。转载请注明原作者出处！