LSTM模型（基于Keras框架）预测特定城市或者区域的太阳光照量实战
Posted Data+Science+Insight
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了LSTM模型（基于Keras框架）预测特定城市或者区域的太阳光照量实战相关的知识，希望对你有一定的参考价值。
LSTM模型（基于Keras框架）预测特定城市或者区域的太阳光照量实战
LSTM在解决序列预测的问题时非常强大，因为它们能够存储之前的信息。
LSTM是一种时间递归神经网络，它出现的原因是为了解决RNN的一个致命的缺陷。原生的RNN会遇到一个很大的问题，叫做Thevanishing gradient problem for RNNs，也就是后面时间的节点会出现老年痴呆症，也就是忘事儿，这使得RNN在很长一段时间内都没有受到关注，网络只要一深就没法训练。后来有些大牛们开始使用递归神经网络来对时间关系进行建模。而根据深度学习三大牛的阐述，LSTM网络已被证明比传统的RNNS更加有效。
适合多输入变量的神经网络模型一直让开发人员很头痛，但基于（LSTM）的循环神经网络能够几乎可以完美的解决多个输入变量的问题。基于（LSTM）的循环神经网络可以很好的利用在时间序列预测上，因为很多古典的线性方法难以适应多变量或多输入预测问题。
以上是关于LSTM模型（基于Keras框架）预测特定城市或者区域的太阳光照量实战的主要内容，如果未能解决你的问题，请参考以下文章