基于混合深度学习的相对湿度和空气温度多变量预测：以孟加拉国兰普尔专区为例

《Expert Systems with Applications》：Hybrid Deep Learning-Based Multivariate Forecasting of Relative Humidity and Air Temperature: A Case Study of the Rangpur Division, Bangladesh

　　

沙汉·萨克尔博士（Md. Shahan Sarker）| 艾尔-阿明·萨克尔博士（Md. Al-amin Sarker）| 阿卜杜勒·拉扎克博士（Md. Abdur Razzak）| 齐亚乌尔·拉赫曼·汗博士（Md. Ziaur Rahman Khan）

• •
  混合CNN-LSTM模型用于预测兰普尔地区的湿度和温度。
• •
  与多元ARIMA模型相比，该混合模型的预测精度更高。
• •
  该模型在两个预测目标上的R2值均超过0.92。
• •
  湿度的RMSE降低了64%，温度的RMSE降低了56%。
• •
  该框架可支持农业和灌溉领域的气候决策。