基于ARIMA和LSTM混合模型的时间序列预测OA北大核心CSTPCD
TIME SERIES FORECASTING BASED ON ARIMA DLSTM HYBRID MODEL
由于现实中的时间序列通常同时具有线性和非线性特征,传统ARIMA模型在时间序列建模中常表现出一定局限性.对此,提出基于ARIMA和LSTM混合模型进行时间序列预测.应用线性ARIMA模型进行时间序列预测,用支持向量回归(SVR)模型对误差序列进行预测,采用深度LSTM模型对ARIMA模型和SVR模型的预测结果组合,并将贝叶斯优化算法用于选择深度LSTM模型的超参数.实验结果表明,与其他混合模型相比,该模型在五种不同时间序列预测中能够有效提高预测精度.
王英伟;马树才
辽宁大学经济学院 辽宁 沈阳 110036辽宁大学经济学院 辽宁 沈阳 110036
信息技术与安全科学
ARIMA模型SVR模型深度LSTM模型贝叶斯优化算法时间序列预测
《计算机应用与软件》 2021 (2)
291-298,8
评论