融合时域卷积、残差结构和注意力机制的时序预测

摘要：

对于具有长、短期的时间关联性、非线性和非平稳性等特点的时序数据,传统时序预测模型对此类数据的预测效果不佳.为进一步提高时序预测模型的准确率和效率,考虑时域卷积提取时间特征的有效性,以及残差结构加快模型收敛的优越性,同时考虑注意力机制对参数的强化作用,提出了一种融合时域卷积、残差结构和注意力机制的时序预测模型(Attention Temporal Convolutional Neural Network,A-TCNN).首先,通过多层残差时域卷积层提取时序数据的长、短期特征;其次,通过注意力机制加强对输出影响较大的参数的权重;最后,通过一个全连接层得到输出结果.在实际医院流水的数据集上,与常规网络对比,比较多种多步预测策略.实验结果表明,该模型与常规模型相比具有更好的预测精度和效率.

关键词：时域卷积;时间序列;注意力机制;深度学习;医院流水

所属期刊栏目：30

资助基金：浙江省公益技术研究项目LGG20F030007

在线出版日期：2021-09-26（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：145-151