10.3969/j.issn.1000-386x.2021.02.047
基于ARIMA和LSTM混合模型的时间序列预测
由于现实中的时间序列通常同时具有线性和非线性特征,传统ARIMA模型在时间序列建模中常表现出一定局限性.对此,提出基于ARIMA和LSTM混合模型进行时间序列预测.应用线性ARIMA模型进行时间序列预测,用支持向量回归(SVR)模型对误差序列进行预测,采用深度LSTM模型对ARIMA模型和SVR模型的预测结果组合,并将贝叶斯优化算法用于选择深度LSTM模型的超参数.实验结果表明,与其他混合模型相比,该模型在五种不同时间序列预测中能够有效提高预测精度.
ARIMA、模型、SVR、深度LSTM、贝叶斯优化算法、时间序列预测
38
TP302.7(计算技术、计算机技术)
2021-03-09（万方平台首次上网日期，不代表论文的发表时间）
共8页
291-298
