首页> 正文

基于神经网络方法的时间序列预测方案研究

2020-12-01阅读(315)

基于神经网络方法的时间序列预测方案研究

论文摘要

时间序列数据广泛存在于在金融、天文、工业、医药、电力等诸多领域。时间序列具有连续性,随机性以及周期性,其特性表明了对其进行预测的可行性与困难性。通过分析时间序列数据,可以挖掘数据的周期性、基本趋势和关联规则等有价值的信息,还能够对未来走势进行预测。时间序列预测模型的应用范围十分广泛,包括电力需求预测、金融市场预测以及现代医疗诊断等领域,无论是为了获取商业利益还是规避风险,提高时间序列预测的准确性,都具有极大的研究价值和实用价值。针对不同时间尺度对时间序列进行预测,分为细粒度预测和粗粒度预测。目前的主要预测方法包括统计学习方法、传统机器学习方法、前馈神经网络方法和循环神经网络方法等。这些方法都有各自的限制或者需根据实际应用场景做出组合、调整、改进。在应用领域,预测精度每提高一点,都能带来巨大的收益。神经网络拥有通用的逼近能力,强大的计算能力和表达能力,是一种理想的规则和模式学习器,可以用来发展更高级形式的预测器。本文致力于研究神经网络工作原理,从而对其进行结构调整和改进,以及模型组合等工作,建立时间序列粗粒度和细粒度预测模型,提高时间序列预测精度。针对时间序列的细粒度预测问题,本文提出了一种名为LSTM-corr的基于LSTM的修正模型。LSTM-corr是在LSTM的基础上添加了一层用于校正LSTM结果的前馈神经网络校正层,从而提供更精确,更稳定的预测结果。将数据中心能耗预测作为具体应用场景,利用数据中心仿真器GreenCloud产生的数据中心能耗序列作为实验数据集,实验结果表明LSTM-corr模型的预测效果要明显好于单一的LSTM模型。针对时间序列的粗粒度预测问题,本文提出了两种方案:基于神经网络语言模型的趋势预测方案和基于自编码器的粗粒度预测方案。前者为粗粒度范围预测,后者为粗粒度具体值预测,二者的预测准确性都要高于传统对比算法。

论文目录

  • 摘要
  • abstract
  • 第一章 绪论
  •   1.1 研究背景及意义
  •   1.2 国内外研究历史和发展现状
  •     1.2.1 统计学习方法
  •     1.2.2 传统机器学习方法
  •     1.2.3 前馈神经网络法
  •     1.2.4 循环神经网络及其变种
  •     1.2.5 神经网络语言模型
  •   1.3 研究内容及创新点
  • 第二章 时间序列预测相关技术概述
  •   2.1 细粒度预测和粗粒度预测
  •   2.2 时间序列预测深度学习方法
  •     2.2.1 前馈神经网络
  •     2.2.2 循环神经网络RNN
  •     2.2.3 LSTM模型
  • 第三章 基于LSTM的数据中心能耗细粒度预测方案
  •   3.1 引言
  •   3.2 数据获取
  •     3.2.1 云计算数据中心模拟器GreenCloud介绍
  •     3.2.2 几种云计算仿真器的比较
  •     3.2.3 数据集
  •   3.3 数据预处理
  •     3.3.1 能耗序列可预测性表征
  •     3.3.2 平滑降噪
  •   3.4 细粒度预测模型LSTM-corr
  •   3.5 实验结果
  •     3.5.1 评价指标
  •     3.5.2 实验结果
  •     3.5.3 预测模型参数设置研究
  •   3.6 总结
  • 第四章 基于神经网络语言模型的时间序列趋势预测
  •   4.1 引言
  •   4.2 对比算法介绍
  •     4.2.1 holt-winters算法
  •     4.2.2 支持向量机
  •     4.2.3 随机森林
  •   4.3 数据获取
  •   4.4 预测预处理
  •     4.4.1 分段聚合近似降维
  •     4.4.2 序列离散化
  •     4.4.3 字符向量化编码
  •   4.5 神经网络语言模型
  •   4.6 实验结果
  •     4.6.1 评估指标
  •     4.6.2 时间序列降维窗口长度w
  •     4.6.3 深度模型输入窗口长度
  •     4.6.4 深度模型隐藏层层数
  •     4.6.5 离散字符集大小k
  •     4.6.6 算法实验结果比较与评价
  •   4.7 总结
  • 第五章 基于自动编码器的时间序列粗粒度预测方案
  •   5.1 引言
  •   5.2 自动编码器
  •     5.2.1 自动编码器
  •     5.2.2 稀疏自动编码器
  •     5.2.3 递归自动编码器
  •   5.3 数据获取
  •   5.4 预测流程
  •   5.5 预测结果
  •   5.6 总结
  • 第六章 总结与展望
  •   6.1 文章总结
  •   6.2 未来工作展望
  • 参考文献
  • 附录1 攻读硕士学位期间撰写的论文
  • 附录2 攻读硕士学位期间参加的科研项目
  • 致谢

    • 文章来源

    类型: 硕士论文

    作者: 王慧健

    导师: 李云

    关键词: 数据挖掘,时间序列预测,神经网络,长短时记忆网络,序列编码

    来源: 南京邮电大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 数学,自动化技术

    单位: 南京邮电大学

    分类号: TP183;O211.61

    DOI: 10.27251/d.cnki.gnjdc.2019.000678

    总页数: 65

    文件大小: 3471K

    下载量: 2077

    相关论文文献

    • [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
    • [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
    • [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
    • [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
    • [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
    • [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
    • [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
    • [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
    • [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
    • [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
    • [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
    • [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
    • [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
    • [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
    • [15].神经网络探索物理问题[J]. 物理 2020(03)
    • [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
    • [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
    • [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
    • [19].高效深度神经网络综述[J]. 电信科学 2020(04)
    • [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
    • [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
    • [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
    • [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
    • [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
    • [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
    • [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
    • [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
    • [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
    • [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
    • [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)

    标签：;  ;  ;  ;  ;  

    基于神经网络方法的时间序列预测方案研究
    下载Doc文档

    猜你喜欢

    © 2024 毕论降 版权所有 鄂ICP备12018319号-6