| VAE_LSTM算法在时间序列预测模型中的研究 |
| |
| 引用本文： | 杨英,唐平.VAE_LSTM算法在时间序列预测模型中的研究[J].湖南科技大学学报(自然科学版),2020,35(3):93-101. |
| |
| 作者姓名： | 杨英 唐平 |
| |
| 作者单位： | 1.广东交通职业技术学院 信息学院,广东 广州 510080;
2.广东工业大学 自动化学院,广东 广州 510000 |
| |
| 基金项目： | 广东高校省级重点平台和重大科研项目资助(2017GKTSCX0) |
| |
| 摘 要： | 针对长短期记忆网络(LSTM)算法对时间序列预测存在的不足,考虑到样本序列如果包含线性关系或含有噪音时LSTM算法预测将不准确,同时分析了变分自编码器(VAE)对异常样本修复的原理,提出了一种改进的LSTM时间序列预测算法VAE_LSTM,将VAE网络修复样本的思想加入到传统的LSTM网络,对样本序列进行修复后再输入LSTM神经网络训练,最终建立了时间序列预测模型.阐述了模型建立的方法与步骤,详细分析了模型的原理.使用长江汉口历史水文数据序列进行仿真实验,结果表明:VAE_LSTM算法预测模型在时间序列预测方面有较好表现,满足预测精度要求,比传统LSTM时间序列预测模型的预测准确性高,尤其中短期预测更为准确;对比实验同时表明此模型准确性高于ARIMA,RNN等预测模型.
|
| 关 键 词： | 时间序列 预测模型 神经网络 长短期记忆网络 变分自编码器 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《湖南科技大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《湖南科技大学学报(自然科学版)》下载免费的PDF全文 |
|
