虽然时间序列预测问题已形成较为完整的理论体系,但是在复杂情况下的预测准确度和灵活性仍有提高的余地。针对复杂时间序列预测问题提出一种基于深度学习的集成模型。首先分别使用时钟驱动循环神经网络(CW-RNN)和向量自回归(VAR)模型进行预测,然后采用stacking的方式集成两者预测结果。实验结果表明,相比单一模型和传统模型,集成模型对时间序列的预测准确度和灵活性均有显著提高。
科研之友
微信
新浪微博
Facebook
分享链接
