10.3969/j.issn.1000-1220.2020.12.003
一种基于集成学习的多元时间序列预测方法
多元时间序列包含丰富的变量,且变量间存在着相关性,相互影响,可能会降低某一变量的预测精度.为此,本文提出了一种基于RNN和CNN的混合模型.模型利用互信息法进行特征选择,通过融合CNN的抽象特征提取以及GRU的时序信息提取来预测未来7个单位时刻的数据.实验表明,模型的预测效果优于LSTM等模型.此外,为了检验所构建的模型的泛用性,在PM2.5数据集和SML2010数据集上进行了对比测试,同样证明了模型的优越性.
多元时间序列、集成学习、短期预测
41
TP391(计算技术、计算机技术)
广东省自然科学基金项目;广东省科技计划项目
2020-12-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
2475-2479