典型文献
一种基于自演化预训练的多变量时间序列预测算法
文献摘要：
时间序列预测是典型的时间序列分析任务,对于辅助决策、资源配置、提前采取止损措施等方面有重要意义,在包括电力、气象、交通、商业等领域有广泛应用.近年来,时间序列预测算法一直是机器学习的热门研究领域,其中多变量时间序列预测是一个具有挑战性的任务.本文研究多变量时间序列预测的局部变量预测精度问题,即多变量预测需要在提升整体预测性能的同时保证局部单变量的预测精度.针对现有多变量时间序列预测算法不能保障局部变量预测精度的局限性,我们设计并实现了一种基于自演化预训练的多变量时间序列预测算法SEPNets.基于预训练的思想,SEPNets首先构建和训练单变量时间序列模型作为后续建模的基准.然后,通过拓展时序卷积网络和长短记忆(LSTM)单元来建模变量间复杂的时序依赖关系.通过将预训练模型和拓展模型进行融合再训练,SEPNets可以保障多变量时间序列预测的局部变量预测精度,并提升总体的预测性能.我们在5个真实数据集上对所提模型进行性能评估.实验结果表明,本文提出的SEPNets算法比现有算法获得相对最高的预测精度,同时在保障局部变量预测精度上具有更好的性能.
文献关键词：
时间序列预测;多变量时间序列;机器学习;神经网络;预训练
中图分类号：
作者姓名：
万晨;李文中;丁望祥;张治杰;叶保留;陆桑璐
作者机构：
南京大学计算机软件新技术国家重点实验室 南京 210023;南京大学计算机科学与技术系 南京 210023
文献出处：
引用格式：
[1]万晨;李文中;丁望祥;张治杰;叶保留;陆桑璐-.一种基于自演化预训练的多变量时间序列预测算法)[J].计算机学报,2022(03):513-525
A类：
多变量时间序列预测,SEPNets
B类：
自演化,预测算法,时间序列分析,辅助决策,止损,局部变量,精度问题,多变量预测,预测性能,保障局,时间序列模型,续建,时序卷积网络,依赖关系,预训练模型,拓展模型,真实数据,性能评估
AB值：
0.13671
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。
