發(fā)布時間：2023-12-10 12:33

　　時序數(shù)據(jù)預(yù)測廣泛存在于各個領(lǐng)域,近年來已取得豐碩的研究成果,特別是混合結(jié)構(gòu)預(yù)測,通過有效集成多預(yù)測模型,全面獲取時序數(shù)據(jù)的變化特征,不斷提升預(yù)測模型性能。已有研究表明,模型的預(yù)測性能很大程度上取決于時序數(shù)據(jù)的表示形式,而對時序數(shù)據(jù)進(jìn)行高層次、抽象的表示,可以有效地挖掘出數(shù)據(jù)潛在的變化特征。但是,現(xiàn)有混合模型沒有考慮時序數(shù)據(jù)隱藏特征的提取,以及基于該隱特征的混合預(yù)測。鑒于此,本文提出一種基于隱特征提取和多模型并聯(lián)組合的時序數(shù)據(jù)混合預(yù)測架構(gòu),并給出融合長短期記憶網(wǎng)絡(luò)的變滑動窗口隱特征提取和面向動態(tài)加權(quán)策略的多模型并聯(lián)組合預(yù)測機(jī)制,將所提算法應(yīng)用于4個典型時序數(shù)據(jù)集,實(shí)驗(yàn)表明所提算法可有效提高預(yù)測精度。

【文章頁數(shù)】：1 頁


本文編號：3872423