基于神经网络语言模型的时间序列趋势预测方法

摘要：

对于时序数据的预测,传统方法多数通过分析历史数据预测出后面的一个或者多个具体值,但预测的具体数值准确率较低.为此,提出一种新的时间序列短期趋势预测方法.通过对时序数据进行离散化,用字符表示各个时间段数据的范围,并利用神经网络语言模型预测得到下一个字符,即下一段数据的范围.实验结果表明,与支持向量机、循环神经网络、随机森林等算法相比,在预测结果分为5个区间的情况下,该算法平均预测准确率为56.7％,具有较高的可行性,且由于字符表示带有语义信息,所得预测结果可以反映数据趋势以及趋势变化程度.

关键词：数据挖掘、时间序列预测、数据离散、长短时记忆、神经网络语言模型、深度学习

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省自然科学基金面上项目BK20171447;江苏省高校自然科学研究面上项目17JKB520024;南京邮电大学引进人才科研启动基金NY215045

在线出版日期：2019-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：13-19,25