基于长短期记忆网络的时间序列预测研究

• 作者: 史国荣 戴洪德 戴邵武 陈强强
• 来源期刊: 仪表技术
• 学科: 工学
• 关键词: 递归神经网络 长短期记忆网络 维纳过程 时间序列预测
• 年，卷（期）: 2020,（2）
• 页码范围: 24-26,29
• 页数: 4页
• 分类号: TP399
• 语种: 中文

摘要

针对递归神经网络(RNN)模型难以训练和梯度消失等问题,引入长短期记忆网络算法(LSTM).介绍了LSTM的基本原理,并将其应用于时间序列预测领域.以Wiener退化过程为例进行分析,针对传统预测方法无法兼顾退化数据的非线性及时序性特点,利用LSTM方法对Wiener退化过程时间序列进行预测.该预测算法与传统的预测算法进行了比较,研究结果表明,所构建的模型具有更高的预测模型精度,达到了预测要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史国荣		1	0	0.0	0.0
2	戴洪德		1	0	0.0	0.0
3	戴邵武		1	0	0.0	0.0
4	陈强强		1	0	0.0	0.0