基于混合分布时间序列的K-GRU建模

摘要：

混合分布的时间序列数据具有非平稳性、周期性等复杂的特性,且蕴含着未来的变化趋势,其复杂性对该类数据的预测精度造成了很大的影响.为了有效降低该类数据的预测误差,提出了一种K-均值与GRU神经网络相结合的混合模型——K-GRU混合模型,具有较高的预测精度.仿真实验表明,样本量为5000左右,K分别取2、3、4、5时,该模型均比GRU神经网络的预测效果好.模拟结果也与多项式模型、傅里叶序列和LSTM进行了比较,结果表明K-GRU混合模型的预测效果最好.最后将K-GRU混合模型应用于街边停车占用率数据中,进一步验证了该方法的有效性.

关键词：混合分布时间序列;K-GRU;GRU神经网络;聚类算法

所属期刊栏目：45

分类号：O213(概率论与数理统计)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-03-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：122-128