基于LSTM-Prophet非线性组合的时间序列预测模型

摘要：

目前采用单一预测模型对于复杂的非线性时间序列具有预测精度较低,且不能很好地捕捉时间序列的复合特征的问题,因此本文提出一种基于BP神经网络组合的长短期记忆网络-Prophet(LSTM-Prophet)时间序列预测模型.模型将长短期记忆网络及Prophet这2种预测模型得到的预测值通过BP神经网络进行非线性组合,得出最终的预测值.随后设计实现本文模型与3个单项模型的对比实验,使用3个不同领域的数据集验证本文模型的准确性和有效性.实验结果表明提出的预测模型具有较高的预测精度、较好的通用性和应用前景.

关键词：长短期记忆网络、Prophet模型、时序预测、组合预测

分类号：TP301(计算技术、计算机技术)

资助基金：教育部产学合作协同育人项目201702098035

在线出版日期：2020-11-18（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：6-11,18