基于神经网络语言模型的时间序列趋势预测方法

• 作者: 刘峥 李云 李涛 王慧健
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 数据挖掘 时间序列预测 数据离散 长短时记忆 神经网络语言模型 深度学习
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 13-19,25
• 页数: 8页
• 分类号: TP391
• 字数: 7312字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0052424

摘要

对于时序数据的预测,传统方法多数通过分析历史数据预测出后面的一个或者多个具体值,但预测的具体数值准确率较低.为此,提出一种新的时间序列短期趋势预测方法.通过对时序数据进行离散化,用字符表示各个时间段数据的范围,并利用神经网络语言模型预测得到下一个字符,即下一段数据的范围.实验结果表明,与支持向量机、循环神经网络、随机森林等算法相比,在预测结果分为5个区间的情况下,该算法平均预测准确率为56.7％,具有较高的可行性,且由于字符表示带有语义信息,所得预测结果可以反映数据趋势以及趋势变化程度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李云	南京邮电大学计算机学院	25	118	6.0	9.0
2	李涛	南京邮电大学计算机学院	35	164	6.0	11.0
3	刘峥	南京邮电大学计算机学院	8	24	3.0	4.0
4	王慧健	南京邮电大学计算机学院	1	10	1.0	1.0