基于集成CW-RNN的时间序列预测研究

• 作者: 刘絮 郑建国
• 来源期刊: 计算机与数字工程
• 学科: 经济
• 关键词: CW-RNN 时间序列 stacking集成
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 算法与分析
• 页码范围: 1590-1594,1699
• 页数: 6页
• 分类号: F222.3
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.07.010

摘要

虽然时间序列预测问题已形成较为完整的理论体系,但是在复杂情况下的预测准确度和灵活性仍有提高的余地.针对复杂时间序列预测问题提出一种基于深度学习的集成模型.首先分别使用时钟驱动循环神经网络(CW-RNN)和向量自回归(VAR)模型进行预测,然后采用stacking的方式集成两者预测结果.实验结果表明,相比单一模型和传统模型,集成模型对时间序列的预测准确度和灵活性均有显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑建国		155	1539	19.0	33.0
2	刘絮		1	0	0.0	0.0