期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于自适应VMD-注意力机制LSTM的时间序列预测
被引量：
8
1
作者
姚林
张岩
+1 位作者
陈龙
韩中洋
《控制工程》
CSCD
北大核心
2022年第7期1337-1344,共8页
真实世界中的时间序列存在非平稳、非周期性波动等特点,直接对其进行预测通常难以达到较好的效果,且极易出现滞后现象。针对上述问题,提出了一种基于自适应变分模态分解的时间序列预测方法。为降低复杂度,首先利用变分模态分解将原始时...
真实世界中的时间序列存在非平稳、非周期性波动等特点,直接对其进行预测通常难以达到较好的效果,且极易出现滞后现象。针对上述问题,提出了一种基于自适应变分模态分解的时间序列预测方法。为降低复杂度,首先利用变分模态分解将原始时间序列分解为一系列相对平稳的子序列,并根据最大信息系数确定子序列的输入长度,进而采用带注意力机制的双向长短期记忆网络模型进行预测。为确保该方法能发挥最佳性能,提出一种网格贝叶斯优化方法,对方法参数进行自适应寻优。实验部分将所提方法对时间序列分别进行了单步、多步预测。通过与现有常用方法的对比可以看出,所提方法具有明显精度优势。此外,通过实验结果发现,所提方法可通过更换回归模型来取得预测精度和计算效率的折中,证明其场景适应能力较强。
展开更多
关键词
时间序列预测
变分模态分解
网格贝叶斯优化
注意力机制
LSTM
在线阅读
下载PDF
职称材料
题名
基于自适应VMD-注意力机制LSTM的时间序列预测
被引量：
8
1
作者
姚林
张岩
陈龙
韩中洋
机构
鞍钢集团有限公司
鞍钢集团北京研究院有限公司
大连理工大学工业装备智能控制与优化教育部重点实验室
出处
《控制工程》
CSCD
北大核心
2022年第7期1337-1344,共8页
文摘
真实世界中的时间序列存在非平稳、非周期性波动等特点,直接对其进行预测通常难以达到较好的效果,且极易出现滞后现象。针对上述问题,提出了一种基于自适应变分模态分解的时间序列预测方法。为降低复杂度,首先利用变分模态分解将原始时间序列分解为一系列相对平稳的子序列,并根据最大信息系数确定子序列的输入长度,进而采用带注意力机制的双向长短期记忆网络模型进行预测。为确保该方法能发挥最佳性能,提出一种网格贝叶斯优化方法,对方法参数进行自适应寻优。实验部分将所提方法对时间序列分别进行了单步、多步预测。通过与现有常用方法的对比可以看出,所提方法具有明显精度优势。此外,通过实验结果发现,所提方法可通过更换回归模型来取得预测精度和计算效率的折中,证明其场景适应能力较强。
关键词
时间序列预测
变分模态分解
网格贝叶斯优化
注意力机制
LSTM
Keywords
Time series prediction
variational mode decomposition
grid-based Bayesian optimization
attention mechanism
long-short term memory(LSTM)
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于自适应VMD-注意力机制LSTM的时间序列预测
姚林
张岩
陈龙
韩中洋
《控制工程》
CSCD
北大核心
2022
8
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
