科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高时间序列模型预测的准确性及可解释能力，提出了变分模态分解(variational mode decomposition, VMD)和时域融合变换器(temporal fusion transformers, TFT)相结合的高效可解释预测模型，通过VMD将原始数据分解为多个模态，充分挖掘原始数据特征，将分解结果输入到TFT预测模型中，得出可解释性的预测结果。TFT是一种新的基于注意力的深度学习模型，将高性能的多水平预测和对时间动态的可解释见解结合在一起。以白卡纸价格为研究对象，证明了所设计模型的有效性。TFT的可解释输出包括分解的白卡纸价格子序列的重要性排序，所提出的白卡纸的可解释预测方法可为从业者的相关决策提供有力的支撑。
-
单位湖北省社会科学院; 湖北中烟工业有限责任公司; 华中科技大学
