首页 | 本学科首页   官方微博 | 高级检索  
     

基于GRA-LSTM与SARIMA组合模型的季节性时间序列预测
引用本文:罗广诚,郜家珏,蔡文学.基于GRA-LSTM与SARIMA组合模型的季节性时间序列预测[J].智能计算机与应用,2021,11(6):195-200.
作者姓名:罗广诚  郜家珏  蔡文学
作者单位:华南理工大学电子商务系,广州510000
摘    要:针对LSTM模型对季节性时间序列中的周期、趋势性变化不敏感的特点,提出将SARIMA模型与LSTM模型进行组合,以提高模型预测精度.该方法首先构建了以关键影响因素为非线性输入层和历史数据为线性输入层的多对一 LSTM模型,将经过GRA法筛选的关键影响因素及历史数据输入到该模型中得到初步预测结果,使用SARIMA模型依据历史数据对季节性时间序列进行预测,提取预测结果中单位节点的比例序列,以实现对时间序列中周期、趋势信息的抽取,最后根据SA-RIMA模型中提取的单位节点比例,对LSTM得到的初步预测结果进行修正,得到最终预测结果.实验选取某市民航春运客流量数据对组合模型精度进行验证,通过与支持向量机、GRA法、GRA-LSTM模型、SARIMA模型4种单模型进行比较,验证了组合模型对于季节性时间序列预测的优越性.

关 键 词:LSTM模型  SARIMA模型  组合模型  季节性时间序列预测

Seasonal time series prediction based on combination model of GRA-LSTM and SARIMA
LUO Guangcheng,GAO Jiajue,CAI Wenxue.Seasonal time series prediction based on combination model of GRA-LSTM and SARIMA[J].INTELLIGENT COMPUTER AND APPLICATIONS,2021,11(6):195-200.
Authors:LUO Guangcheng  GAO Jiajue  CAI Wenxue
Abstract:
Keywords:
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号