時(shí)序數(shù)據(jù)預(yù)測(cè)廣泛存在于各個(gè)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(cè),通過有效集成多預(yù)測(cè)模型,全面獲取時(shí)序數(shù)據(jù)的變化特征,不斷提升預(yù)測(cè)模型性能。已有研究表明,模型的預(yù)測(cè)性能很大程度上取決于時(shí)序數(shù)據(jù)的表示形式,而對(duì)時(shí)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(shí)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(cè)。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(shí)序數(shù)據(jù)混合預(yù)測(cè)架構(gòu),并給出融合長(zhǎng)短期記憶網(wǎng)絡(luò)的變滑動(dòng)窗口隱特征提取和面向動(dòng)態(tài)加權(quán)策略的多模型并聯(lián)組合預(yù)測(cè)機(jī)制,將所提算法應(yīng)用于4個(gè)典型時(shí)序數(shù)據(jù)集,實(shí)驗(yàn)表明所提算法可有效提高預(yù)測(cè)精度。

【文章頁(yè)數(shù)】：1 頁(yè)


本文編號(hào)：3872423