基于时间序列的混合神经网络数据融合算法

摘要：

针对传统的数据融合算法对高噪声、大规模、数据结构复杂的时间序列数据融合性能较差的问题,该文提出了一种混合神经网络的数据融合算法(即SCLG算法).SCLG算法的思想如下:首先利用奇异谱分析算法对数据分解重构以达到去噪的目的;其次,通过深层卷积神经网络提取数据的空间特征和短期时间特征;然后,利用长短期记忆(LSTM)网络和门控循环单元(GRU)网络双层网络,进一步深度提取了数据时间维度上的特征;最后,利用全连接网络,综合主要信息输出最终的决策.通过SP&500和AQI数据集上的实验结果表明,该算法在融合性能及稳定性方面均优于DCNN、CNN-LSTM、FDL数据融合算法.

关键词：数据融合、时间序列、奇异谱分析、混合神经网络、特征提取

所属期刊栏目：42

分类号：TP391;TP181(计算技术、计算机技术)

资助基金：国家自然科学基金;111 引智计划

在线出版日期：2021-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：82-91