文献类型：期刊文章

作　　者：郭佳丽[1] 邢双云[1] 栾昊[1] 贾艳婷[2]

GUO Jiali;XING Shuangyun;LUAN Hao;JIA Yanting(School of Sciences,Shenyang Jianzhu University,Shenyang 110168;Teaching Affairs Department,Shenyang Jianzhu University,Shenyang 110168)

机构地区：[1]沈阳建筑大学理学院,沈阳110168 [2]沈阳建筑大学教务处,沈阳110168

出　　处：《南京信息工程大学学报（自然科学版）》

基　　金：国家自然科学基金(61803275);辽宁省“兴辽英才计划”项目(XLYC1907044);辽宁省自然科学基金(2020-MS-218);辽宁省教育厅重点项目(lnzd202007)。

年　　份：2021

卷　　号：13

期　　号：5

起止页码：571-575

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、IC、JST、PROQUEST、ZGKJHX、ZMATH、核心刊

摘　　要：时间序列流量的预测问题是近年来机器学习的一个热点问题,通过改变长短期记忆网络(LSTM)层数、网络层神经元的个数、网络层之间的连接方式,特殊网络层的应用等网络结构以及优化器和损失函数的选择可以极大地提高预测的精度.本文提出多层LSTM算法,该算法是在传统LSTM算法上进行改进的单一模型,模型设计的复杂度低,可以提高机器学习的效率.模型采用一个输入层、5个隐藏层、1个输出层,同时包含1个全连接层和1个Dropout层,Dropout层的作用是防止机器学习过拟合.选择adam为模型优化器、mlse为模型损失函数、relu作为模型的激活函数.实验结果表明,与传统模型相比,该模型具有较好的泛化能力.

关 键 词：时间序列预测 长短期记忆网络  预测精度  泛化能力

分 类 号：TP393.06] TP18[计算机类]