论文部分内容阅读
为了提高时间序列的预测精度,提出了一种通过遗传算法优化长短期记忆神经网络时序预测模型.针对多变量LSTM时间序列预测,将遗传算法应用于优化隐藏层中的单元数以及优化特征选择,可以有效地表示相关因素和目标序列之间的动态关联关系,并能极大地提高LSTM网络的性能和时间序列的预测精度.
基于GA-LSTM网络时序预测方法研究
【摘 要】
：
为了提高时间序列的预测精度,提出了一种通过遗传算法优化长短期记忆神经网络时序预测模型.针对多变量LSTM时间序列预测,将遗传算法应用于优化隐藏层中的单元数以及优化特征
【机 构】
：
北京物资学院,北京,101100
【出 处】
：
数码设计（上）
【发表日期】
：
2020年8期
其他文献
伴随我国经济和科技的飞速发展,我国物联网技术也得到了很好地发展,物联网技术逐渐渗入到多行业中.在当今高科技发展的行业中物联网系统属于新型发展技术,而在物联网领域中,
由于我国各项指标的不断上升,整体实力不断增强,当今社会各大行业的进步显而易见.在这之中,新时代的产物——物联网技术也得到了飞速的发展,还在我国的各大领域中逐渐得到了
现在是个大数据时代,数据的类型和数量众多,特别是在电力行业中,这些特点更加明显.云计算技术能够更好地对资源进行虚拟和自动化,也方便了对大数据的处理.对于电力行业而言,