文献类型：期刊文章

作　　者：易利容[1] 王绍宇[1] 殷丽丽[1] 杨青[1] 顾欣[1]

YI Lirong;WANG Shaoyu;YIN Lili;YANG Qing;GU Xin(School of Computer Science and Technology,Donghua University,Shanghai 201620,China)

机构地区：[1]东华大学计算机科学与技术学院,上海201620

出　　处：《智能计算机与应用》

基　　金：国家自然科学基金青年基金项目(61703092)

年　　份：2018

卷　　号：8

期　　号：5

起止页码：13-16

语　　种：中文

收录情况：普通刊

摘　　要：传感器时序数据预测作为工业自动化和智能化的关键过程,对于自动化生产监督、风险预防和技术改进等具有重要意义。考虑到传统基于统计学的时序分析方法通用性弱、普通循环神经网络模型存在长期依赖的不足,针对工业设备温度、压力和电流强度等时序数据预测问题,提出了一种基于多变量分析的长短时记忆神经网络时序预测方法,该方法利用数据的远距离信息和多变量相关性,有效地提高了工业传感器时序数据预测的准确性。实验选取瑞典某公司的机械装载传感器数据用于训练和测试,通过与单变量长短时记忆模型以及其它主流时序预测算法比较,证明了该方法具备较好的预测性能和通用性。

关 键 词：时间序列预测 长短时记忆神经网络  多变量分析  

分 类 号：TP391.4]