基于双重注意力机制改进的DA-LSTM时间序列预测模型 |
| |
引用本文: | 李克文,于明洋.基于双重注意力机制改进的DA-LSTM时间序列预测模型[J].计算机应用与软件,2023(2):253-258+349. |
| |
作者姓名: | 李克文 于明洋 |
| |
作者单位: | 中国石油大学(华东)计算机科学与技术学院 |
| |
摘 要: | 为了提高时间序列预测的精确度和收敛速度,提出一种基于双重注意力机制改进的DA-LSTM时序预测模型。通过引入注意力机制重构LSTMcell结构,减少模型参数提高收敛速度;自注意力层对各时间步的输出计算自注意力权重,充分利用细胞记忆信息,提高预测精度。在Beijing PM2.5和SML2010数据集上,所提出的模型相较于LSTM在均方根误差(RMSE)上分别降低4%和25.4%,相比其他基准方法也有明显提升。
|
关 键 词: | 深度学习 注意力机制 长短时记忆神经网络 时间序列预测 |
|
|