使用天气数据预测需求

Question

我正在尝试编写一个需求预测，逐一考虑天气数据（温度，压力，湿度）（或全部）。我想用机器学习算法这样做。我之前使用线性回归进行需求预测而不考虑天气数据，现在我有天气数据我不确定应该使用哪种机器学习算法来完成任务？我是机器学习的新手，如果你能帮助我解决这个问题，我将不胜感激。

我正在使用Python作为我的代码，所以如果你可以指导我使用任何特定的模块，那就太棒了。

Answer 1

好的，如果您不熟悉机器学习，我建议您创建以下内容来创建预测模型。

1. 了解您的数据：手动检查您拥有的输入变量与目标（输出）的关系。如果它们表现出某种线性依赖性，那么你很幸运，但最具挑战性的是如果你发现这种关系具有非线性关系。
2. 变量选择：您永远无法确定是否所有输入都是预测输出所必需的。示例：如果压力和温度以某种方式相关，那么您的ML算法可能只使用这两个输入中的一个来预测您的输出。矛盾的是，可能会有一些变量实际上扰乱了你对ML算法的预测。因此，您需要一些相关性度量来表明哪些输入与您的输出高度相关（历史数据，例如：来自UCI存储库）。如果您发现数据之间存在线性依赖关系，我会建议Pearsons Correlation，Spearmanns Rho。如果不是，您可以使用MIC，Relieff权重等作为非线性数据的相关度量。
3. 使用哪种ML算法：这纯粹依赖于数据，也许只需要多项式或最小二乘就足够了（对于线性相关性）或最坏情况下你有一些多层神经网络或高斯过程（对于非线性依赖）。 Reccomendation：如你所说，你想要线性回归，从最小二乘拟合开始。 如果你仍然无法理解任何概念，你可以回过头来看看你的输入与输出有关的一些图表，我可以建议你做得更好。 祝你好运

Answer 2

我正在做同样的事情。只需要具有深度神经网络的Tensorflow。我相信卷积LSTM神经网络可以将天气数据作为输入并将预测作为输出。您只需要历史数据来训练它。也许年历与预测时的预测和测量数据相结合。

研究表明，卷积长期短期记忆（ConvLSTM）算法在预测预测方面比FC_LSTM和当前最先进的ROVER算法更准确。这是论文：https://arxiv.org/abs/1506.04214

研究还表明，可以使用NOAA的数据预测风，机器学习算法比NOAA预测得更好。论文在这里：http://aditya-grover.github.io/files/publications/kdd15.pdf

最后研究表明，使用15年的每小时测量数据，可以准确预测温度，湿度和风力72小时。本文详细说明了训练算法所需的一切：序列来排序天气预报 短期记忆复发神经网络，国际计算机应用期刊（0975 - 8887） 第143卷 - 第11期，2016年6月