基于EMD-LSTM的时间序列预测方法

• 作者: 刘志豪 戴洪德 戴邵武 陈强强
• 来源期刊: 深圳大学学报（理工版）
• 学科: 社会科学
• 关键词: 数理统计学 时间序列预测 经验模态分解 长短期记忆网络 PM2.5 机器学习 时间序列分解
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 数学与应用数学
• 页码范围: 265-270
• 页数: 6页
• 分类号: C81
• 字数: 3901字
• 语种: 中文
• DOI: 10.3724/SP.J.1249.2020.03265

摘要

工程应用中的时间序列多为非线性、非平稳序列,直接对其进行预测难度较大.本研究通过经验模态分解算法将原始时间序列分解为多个相对平稳,并具有不同特征尺度的本征模态函数及趋势项,在一定程度上降低时间序列的复杂程度;同时,在预测过程中,针对递归神经网络模型难以训练及梯度消失等问题,引入长短期记忆网络算法.利用长短期记忆网络算法对分解的本征模态函数分量及趋势项进行分别预测,叠加预测结果得到最终预测结果.以中国北京市PM2.5浓度为例进行预测分析,并将本预测算法与单一预测算法进行比较,结果表明,所提方法具有更高的模型预测精度,达到预测要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴洪德	海军航空大学航空基础学院	63	224	8.0	12.0
2	戴邵武	海军航空大学岸防兵学院	89	376	9.0	15.0