影响人类生计的主要因素之一是天气事件。造成森林火灾,高空温度和全球变暖的高天气灾难,导致干旱。需要采取有效,准确的天气预报方法来针对气候灾难采取措施。因此,设计一种可以做出更好天气预测的方法很重要。这项工作提出了一个优化的深度学习模型,即1D卷积神经网络(CNN),其注意力门控复发单元(GRU)模型,可用于可靠的天气预测。也就是说,要捕获天气数据的局部特征,使用了1D CNN,并捕获天气数据的时间特征,使用了优化的GRU。注意机制用于改善性能,而GRU的超参数通过自适应野马算法(AWHA)进行了优化。这项工作考虑了具有14个参数的Jena气象数据库,并为不同的预测度量进行了比较分析。提出的天气预测模型达到了更好的均方误差(MSE)和均方根(RMSE)值。