基于双重注意力机制改进的DA-LSTM时间序列预测模型OA
AN IMPROVED DA-LSTM TIME SERIES PREDICTION MODEL BASED ON DUAL ATTENTION MECHANISM
为了提高时间序列预测的精确度和收敛速度,提出一种基于双重注意力机制改进的DA-LSTM时序预测模型.通过引入注意力机制重构LSTMcell结构,减少模型参数提高收敛速度;自注意力层对各时间步的输出计算自注意力权重,充分利用细胞记忆信息,提高预测精度.在Beijing PM2.5和SML2010数据集上,所提出的模型相较于LSTM在均方根误差(RMSE)上分别降低4％和25.4％,相比其他基准方法也有明显提升.
李克文;于明洋
中国石油大学(华东)计算机科学与技术学院 山东 青岛266580中国石油大学(华东)计算机科学与技术学院 山东 青岛266580
信息技术与安全科学
深度学习注意力机制长短时记忆神经网络时间序列预测
《计算机应用与软件》 2023 (2)
253-258,349,7
国家自然科学基金重大项目(51991361)国家自然科学基金面上项目(61673396).
评论