一种基于集成学习的多元时间序列预测方法

作者：左亚尧; 王铭锋; 洪嘉伟; 马铎

来源：小型微型计算机系统, 2020, 41(12): 2475-2479.

• 多元时间序列
• 集成学习
• 短期预测

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.

• 单位
  电子信息工程学院; 西安工业大学; 广东工业大学