典型文献
基于小波分解的时序预测模型mWDLNet及其应用研究
文献摘要：
各种类型的深度神经网络模型已被应用到时序分析中,但基于频域的神经网络与时域的线性模型融合仍然缺乏有效的模型.提出一种基于多级小波分解的深度网络和差分自回归移动平均模型相融合的方法(mWDLNet),时序信号经小波分解到频域,由卷积神经网络和长短期记忆网络提取时序信号的空间和时间维度特征,同时利用差分自回归移动平均模型(ARI-MA)解决神经网络模型的尺度不敏感问题,最后融合两部分的输出结果,提高了预测的准确性.并通过实验验证了mWDLNet模型添加小波分解、卷积模块以及融合线性预测的有效性.将提出的模型应用于北京气象数据集,进行PM2.5浓度预测,并与常用的时序预测模型进行对比分析,结果表明,提出的mWDLNet模型能达到更好的预测结果.
文献关键词：
时序预测;小波分析;一维卷积神经网络;长短期记忆网络
中图分类号：
作者姓名：
赵娜;孙红;黎铨祺;黄瓯严
作者机构：
上海理工大学光电信息与计算机工程学院,上海200093
文献出处：
引用格式：
[1]赵娜;孙红;黎铨祺;黄瓯严-.基于小波分解的时序预测模型mWDLNet及其应用研究)[J].小型微型计算机系统,2022(03):561-567
A类：
mWDLNet
B类：
于小波,小波分解,时序预测模型,各种类型,深度神经网络模型,时序分析,频域,线性模型,模型融合,深度网络,差分自回归移动平均模型,时序信号,长短期记忆网络,空间和时,时间维度,维度特征,ARI,MA,不敏,输出结果,卷积模块,融合线,线性预测,模型应用,气象数据,PM2,浓度预测,小波分析,一维卷积神经网络
AB值：
0.283339
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。
