基于stacking集成的KNN-Attention-LSTM冬季路表温度预测方法

本发明公开了基于stacking集成的KNN‑Attention‑LSTM冬季路表温度预测方法，该方法对冬季路表温度和其他气象要素进行数据处理后，通过特征工程和Stacking模型集成策略，发挥物理约束KNN和Attention机制的优势，提高冬季路表温度预测精度和预测结果在不同时间段和不同气象条件下的稳定性。该方法能够有效捕捉冬季路表温度的动态变化特征，克服传统预测方法在应对复杂的气象条件和非线性时间序列数据时的局限性。本发明可应用于道路安全、交通管理与除冰防滑措施设置等领域，为出行信息服务提供可靠支持，具有广泛的实际应用价值。