|
|||||
|
|
| 一种基于集成学习的多元时间序列预测方法 | |
| 作者姓名： | 左亚尧 王铭锋 洪嘉伟 马铎 |
| 作者单位： | 1. 广东工业大学计算机学院;2. 西安工业大学电子信息工程学院 |
| 基金项目： | 广东省自然科学基金项目(2018A030313934)资助；;广东省科技计划项目(19ZK0094)资助； |
| 摘 要： | 多元时间序列包含丰富的变量,且变量间存在着相关性,相互影响,可能会降低某一变量的预测精度.为此,本文提出了一种基于RNN和CNN的混合模型.模型利用互信息法进行特征选择,通过融合CNN的抽象特征提取以及GRU的时序信息提取来预测未来7个单位时刻的数据.实验表明,模型的预测效果优于LSTM等模型.此外,为了检验所构建的模型的泛用性,在PM2.5数据集和SML2010数据集上进行了对比测试,同样证明了模型的优越性. |
| 关 键 词： | 多元时间序列 集成学习 短期预测 |