成果/Result
- ARIMA和LSTM方法长时间温度观测数据缺失值插补的比较被引量：15收藏
- 作者：郑欣彤 边婷婷 张德强 贺伟
- 机构：资源与环境信息系统国家重点实验室(中国科学院地理科学与资源研究所);中国科学院大学资源与环境学院;北京联合大学管理学院;中国科学院华南植物园鼎湖山森林生态系统定位研究站
- 来源：《计算机应用》 2022
- 关键词：气象观测数据 数据缺失 深度学习 时间序列分析 高精度插补
- 摘要：针对野外小气象观测站点半小时温度观测长时间数据缺失问题,结合较低频次的人工温度观测数据,采用时间序列分析和深度学习等方法,对缺失的半小时温度观测数据进行高精度插补。首先,选用深度学习数据插补中的序列-序列(Seq2Seq...
