基于ARIMA和AT-LSTM组合模型的股票价格预测
ARIMA、LSTM等多种预测模型已在时间序列预测中得到应用,预测精度参差不齐.ARIMA、LSTM以及ARIMA-LSTM组合模型的预测精度仍有提升空间.为LSTM引入注意力机制形成AT-LSTM模型,将ARIMA的预测残差引入AT-LSTM,进一步提高预测精度.利用不同的评估方法对混合模型进行评估,实验结果表明ARIMA和AT-LSTM组合模型的误差降低4倍,预测精度得到了提高.
时间序列预测、ARIMA、LSTM、组合模型
TP391(计算技术、计算机技术)
2022-05-31(万方平台首次上网日期,不代表论文的发表时间)
共4页
118-121