典型文献
基于改进长短期记忆网络的时间序列预测研究
文献摘要：
时间序列预测是研究时间数据行为和预测未来值的一项重要技术,为进一步扩展时间序列预测方法论,提出了一种新颖的时间序列预测框架来处理时间序列预测问题,即VMD-JADE-基于注意力机制的双向长短期记忆网络.变分模态分解用来分解历史时间序列数据,具有降噪的功能;改进的差分进化算法JADE用来优化LSTM的超参数;最后采用基于注意力机制的双向LSTM进行预测,双向机制可以从顺序和逆序两个方向挖掘输入变量的重要信息,注意机制通过对输入的特征赋予不同的权重来捕获重要的因素,有助于提升LSTM的预测性能.在两个时间序列数据集上的实验结果表明,与其它常用的预测方法相比,改进的LSTM模型具有更好的预测性能.
文献关键词：
时间序列预测;深度学习;长短期记忆网络;变分模态分解;玉米期货价格
中图分类号：
作者姓名：
陈孝文;苏攀;吴彬溶;成承;王林
作者机构：
湖北中烟工业有限责任公司,湖北 武汉430040;华中科技大学 管理学院,湖北 武汉430074
文献出处：
引用格式：
[1]陈孝文;苏攀;吴彬溶;成承;王林-.基于改进长短期记忆网络的时间序列预测研究)[J].武汉理工大学学报（信息与管理工程版）,2022(03):487-494,499
A类：
B类：
时间序列预测,预测研究,数据行为,预测未来,处理时间,VMD,JADE,注意力机制,双向长短期记忆网络,变分模态分解,历史时间,时间序列数据,降噪,差分进化算法,超参数,双向机制,逆序,重要信息,注意机制,重来,预测性能,玉米期货价格
AB值：
0.242327
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
