基于自适应SA-PSO改进的XGBoost气温预测方法

来源：电子测量技术杂志2023年第7期北京时间：

作者：王强，秦华旺，齐春帅，王琴琴

单位：1.南京信息工程大学电子与信息工程学院 南京 210044; 2.山西师范大学地理科学学院 临汾 041081

摘要：提出了一种SA-PSO-XGBoost预测模型，基于2016年1月1日~2017年12月31日的ECMWF气象数据，用于预测南京地区6 h后的气温。将气象数据分为训练集和测试集，使用PCA降维方法对气象数据特征进行压缩降维，然后应用模拟退火和粒子群优化混合算法对XGBoost模型的超参数进行优化，并将测试集数据带入到SA-PSO-XGBoost、XGBoost、GRU和LSTM神经网络进行对比分析，实验结果表明：SA-PSO-XGBoost预测6 h后的温度模型有更高的准确性和鲁棒性。

关键词：XGBoost;PCA;粒子群优化算法;模拟退火算法;Python