基于神经网络的时序预测模型研究

论文摘要

古人云"以史为鉴",说的是吸取历史的经验教训,对未来的情况做出预判或者改变。生活中,亦是存在相似的利用历史数据对未来变化趋势进行预测分析的时间序列问题。本文就时间序列一类的问题进行研究,探讨如何更好地根据历史统计数据,对未来的变化趋势进行预测分析。本文基于神经网络,以气象观测历史数据作为研究的对象,建立了气温变化时序预测模型。本模型利用大数据相关技术对数据进行特征处理,通过深度神经网络,学习特征数据和标签数据之间复杂的非线性关系,从而实现对气温变化的趋势预测。实验结果表明,相较其他模型,本文的模型能够更好地进行时序预测,同时也证明了神经网络用于气象预测的可行性。

论文目录

• 1 引言
• 2 研究对象与研究方法
•   2.1 研究对象
•     2.1.1 数据来源
•     2.1.2 基本构成
•   2.2 研究方法
• 3 LSTM神经网络时序预测模型
•   3.1 数据集制作
•   3.2 模型建立
•     3.2.1 时间步
•     3.2.2 训练过程
•   3.3 训练方式
• 4 实验分析
•   4.1 实验环境
•   4.2 训练流程
•   4.3 结果分析
• 5 结语

文章来源

类型: 期刊论文

作者: 张恺,陈思

关键词: 时间序列,神经网络,特征,时序预测

来源: 电脑与电信 2019年Z1期

年度: 2019

分类: 信息科技,基础科学

专业: 数学,自动化技术

单位: 中移信息技术有限公司

分类号: TP183;O211.61

DOI: 10.15966/j.cnki.dnydx.2019.z1.016

页码: 61-65

总页数: 5

文件大小: 2096K

下载量: 119