文献类型：期刊文章

作　　者：王慧健[1] 刘峥[1] 李云[1] 李涛[1]

WANG Huijian;LIU Zheng;LI Yun;LI Tao(School of Computer Science,Nanjing University of Posts and Telecommunications,Nanjing 210046,China)

机构地区：[1]南京邮电大学计算机学院

出　　处：《计算机工程》

基　　金：江苏省自然科学基金面上项目(BK20171447);江苏省高校自然科学研究面上项目(17JKB520024);南京邮电大学引进人才科研启动基金(NY215045)

年　　份：2019

卷　　号：45

期　　号：7

起止页码：13-19

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：对于时序数据的预测,传统方法多数通过分析历史数据预测出后面的一个或者多个具体值,但预测的具体数值准确率较低。为此,提出一种新的时间序列短期趋势预测方法。通过对时序数据进行离散化,用字符表示各个时间段数据的范围,并利用神经网络语言模型预测得到下一个字符,即下一段数据的范围。实验结果表明,与支持向量机、循环神经网络、随机森林等算法相比,在预测结果分为5个区间的情况下,该算法平均预测准确率为 56.7 %,具有较高的可行性,且由于字符表示带有语义信息,所得预测结果可以反映数据趋势以及趋势变化程度。

关 键 词：数据挖掘 时间序列预测 数据离散  长短时记忆  神经网络语言模型  深度学习  

分 类 号：TP391]