基于隐特征提取的时序数据混合预测

发布时间：2023-12-10 12:33

　　时序数据预测广泛存在于各个领域,近年来已取得丰硕的研究成果,特别是混合结构预测,通过有效集成多预测模型,全面获取时序数据的变化特征,不断提升预测模型性能。已有研究表明,模型的预测性能很大程度上取决于时序数据的表示形式,而对时序数据进行高层次、抽象的表示,可以有效地挖掘出数据潜在的变化特征。但是,现有混合模型没有考虑时序数据隐藏特征的提取,以及基于该隐特征的混合预测。鉴于此,本文提出一种基于隐特征提取和多模型并联组合的时序数据混合预测架构,并给出融合长短期记忆网络的变滑动窗口隐特征提取和面向动态加权策略的多模型并联组合预测机制,将所提算法应用于4个典型时序数据集,实验表明所提算法可有效提高预测精度。

【文章页数】：1 页


本文编号：3872423