基于混合神经网络和注意力机制的混沌时间序列预测

• 作者: 李永涛 黄伟建 黄远
• 来源期刊: 物理学报
• 关键词: 混沌时间序列 卷积神经网络 长短期记忆网络 注意力机制
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 总论
• 页码范围: 229-237
• 页数: 9页
• 语种: 中文
• DOI: 10.7498/aps.70.20200899

摘要

为提高混沌时间序列的预测精度,提出一种基于混合神经网络和注意力机制的预测模型(Att-CNN-LSTM),首先对混沌时间序列进行相空间重构和数据归一化,然后利用卷积神经网络(CNN)对时间序列的重构相空间进行空间特征提取,再将CNN提取的特征和原时间序列组合,用长短期记忆网络(LSTM)根据空间特征提取时间特征,最后通过注意力机制捕获时间序列的关键时空特征,给出最终预测结果.将该模型对Logistic,Lorenz和太阳黑子混沌时间序列进行预测实验,并与未引入注意力机制的CNN-LSTM模型、单一的CNN和LSTM网络模型、以及传统的机器学习算法最小二乘支持向量机(LSSVM)的预测性能进行比较.实验结果显示本文提出的预测模型预测误差低于其他模型,预测精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄伟建		43	119	6.0	9.0
2	黄远		10	11	2.0	3.0
3	李永涛		1	0	0.0	0.0