基于周期性建模的时间序列预测方法及电价预测研究

• 作者: 张曦 徐任超 杨健程 王国良 阎威武
• 来源期刊: 自动化学报
• 关键词: 时间序列预测 深度学习 循环神经网络 周期趋势建模
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 论文与报告
• 页码范围: 1136-1144
• 页数: 9页
• 字数: 6905字
• 语种: 中文
• DOI: 10.16383/j.aas.c180712

摘要

时间序列数据广泛存在于人类的生产生活中,通常具有复杂的非线性动态和一定的周期性.与传统的时间序列分析方法相比,基于深度学习的方法更能捕捉数据的深层特性,对具有复杂非线性的时间序列有较好的建模效果.为了在神经网络中显式地建模时间序列数据的周期性和趋势性,本文在循环神经网络的基础上引入了周期损失和趋势损失,建立了基于周期性建模和多任务学习的时间序列预测模型.将模型应用到欧洲能源交易所法国市场的能源市场价格预测中,结果表明周期损失和趋势损失能够提高神经网络的泛化能力,并提高预测时间序列趋势的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阎威武	上海交通大学电子信息与电气工程学院	42	1362	15.0	36.0
3	杨健程	上海交通大学电子信息与电气工程学院	2	0	0.0	0.0
4	张曦		8	19	4.0	4.0
5	王国良	上海工程技术大学电子电气工程学院	6	4	1.0	1.0
6	徐任超	上海交通大学电子信息与电气工程学院	1	0	0.0	0.0