【摘 要】
:
时间序列数据广泛存在于电力、金融、医学、气象水文等等行业领域,准确的时间序列预测能够辅助人们决策控制,合理配置资源。在大数据时代背景下,时间序列数据呈现高维度、高相关性、非线性以及长时间依赖性等特点,多变量时间序列的高精度预测面临着极大挑战。传统预测方法难以捕获时间序列数据的内在特性,基于深度学习的时间序列预测方法能够较好地应对上述挑战,目前主流的深度网络预测模型在网络结构优化、模型超参数寻优方面
论文部分内容阅读
时间序列数据广泛存在于电力、金融、医学、气象水文等等行业领域,准确的时间序列预测能够辅助人们决策控制,合理配置资源。在大数据时代背景下,时间序列数据呈现高维度、高相关性、非线性以及长时间依赖性等特点,多变量时间序列的高精度预测面临着极大挑战。传统预测方法难以捕获时间序列数据的内在特性,基于深度学习的时间序列预测方法能够较好地应对上述挑战,目前主流的深度网络预测模型在网络结构优化、模型超参数寻优方面仍有待改进,普遍存在着输入特征提取不充分、长时间依赖特性捕获不足、超参数设定不合理等问题。因此,研究基于深度网络的多变量时间序列预测优化模型具有重要的现实意义及应用价值。本文针对时间序列预测难以捕捉输入特性和长时间依赖性的问题,引入双向长短期记忆网络改进DA-RNN(A Dual-Stage Attention-Based Recurrent Neural Network for Time Series Prediction)模型,实现输入特征的充分提取以及时间序列数据长期依赖特性的捕获;引入鲸鱼优化算法(Whale Optimization Algorithm,WOA)进行预测模型超参数组合的寻优,实现预测精度的提高。论文主要工作与创新如下:(1)论述了时间序列预测研究相关的理论基础,包括时间序列的相关基础知识、深度学习网络的结构原理、评估模型预测性能的评价指标等三部分,为后文的实验设计奠定了基础。(2)针对现有时间序列预测模型存在的输入特征提取不充分以及长时间依赖特性捕获不足等问题,本文提出了基于两阶段注意力机制和Bi-LSTM网络的多变量时间序列预测模型(DABi-LSTM)。引入时间注意力机制,在端到端的学习中依据输入序列重要性自适应地分配比重,进而全面提取时间序列中的隐含特征,从而有效削弱了次要信息的干扰;融合注意力机制、Bi-LSTM网络、LSTM网络,可以有效解决多变量时间序列预测中长时间依赖特性不足的问题。本文基于金融、环境和能量等三个公开数据集设计了3个实验:对预测模型的参数窗口大小和隐含层层数进行了优化,对模型的单步、多步预测能力进行了验证。实验结果表明,该模型与其它五种代表性的基准模型相比,单步预测的精度优势明显。而且该模型的多步预测能力较好。(3)针对现有模型存在的超参数设定不合理的问题,本文提出了基于WOA算法改进的多变量时间序列预测优化模型。使用WOA算法训练DABi-LSTM模型中的超参数,找到最佳的超参数组合,从而进一步提高模型预测的准确率。针对DABi-LSTM中Bi-LSTM网络的隐含层层数、LSTM网络的隐含层层数以及学习率等超参数组合进行了训练优化,在相同的数据集上验证了优化模型的时间序列单步预测、多步预测能力,并对比了优化模型和DABi-LSTM模型的预测性能。实验结果表明,通过自适应学习超参数,模型进一步提升了预测性能。本论文共有图41幅,表10个,参考文献84篇。
其他文献
随着现代电力电子技术在新能源汽车、海上风电、无线充电等领域的广泛应用,激起了全世界的电力电子研究者对高功率密度变换器和新型半导体材料的追求。传统Si材料的功率半导体器件已经很难满足工程需求,而新型的宽禁带半导体材料例如碳化硅(Si C)、氮化镓(Ga N)因为在体积、效率和开关频率上有着显而易见的优势,开始在产业中崛起并慢慢占据市场份额。Si C MOSFET凭借着器件本身耐高压,耐高温,高频低损
碳材料凭借着优异的高温稳定性、高熔点等性能,被广泛运用在航空航天等领域。但碳材料在450℃以上的有氧环境中易氧化,内部结构被破坏导致机械性能严重下降,从而限制其在高温有氧环境中的应用。涂层改性技术可提升碳材料抗氧化性能,以Si C、Ti B2、Zr B2和Ta B2为代表的难熔金属碳化物、硼化物等具有高熔点、抗氧化、抗烧蚀和化学稳定性等特点,常用于碳材料表面宽温域防护。本文采用的激光熔覆作为一种新
煤炭行业的发展对于国家能源的供应起着重要的作用。在以矿工为主体的煤炭行业中,由于职业操作不规范导致的煤矿事故严重影响着人员安全,因此对于矿工不安全行为识别的研究在降低煤矿事故率方面有着重大意义。如何在低光照等复杂的煤矿背景环境下精准识别矿工不安全行为成为解决该问题的关键,随着深度学习技术的不断发展,为矿工不安全行为识别算法的研究提供了新的机遇,但同时也带来了大量资源设备的消耗。由于深度卷积网络的复
随着“健康中国”战略的提出以及健康饮食、全民健身热潮的兴起,人们对健康的追求越来越重视,市场上也相应推出各类健康产品来帮助个体实现健康目标。然而,由于每个个体所处健康目标追求阶段的不同(低vs.高),导致个体更偏好与其心理表征相匹配的广告诉求信息。那么,当消费者感知健康目标进展较低(vs.较高)时,何种诉求广告下的健康产品更能得到消费者的青睐呢?通过对营销实践的洞察,我们发现存在两种类型的健康产品
氮污染逐渐成为一道亟待解决的环境污染问题。传统的脱氮工艺能耗大,剩余污泥多,很难满足当下需求。厌氧氨氧化(Anammox)具有工艺简单、节能及无污染等优点,逐渐成为生物脱氮研究与应用领域的热点。然而在实际运用中生物量易流失,去除效果难以保障。凝胶固定化可以有效保留生物量,维持高效稳定的脱氮效果。本实验通过固定厌氧氨氧化微生物,达到强化厌氧反应器脱氮效率的目的。实验主要内容如下:实验选择海藻酸钠作为
现有的无线通信系统是以时分复用、频分复用等复用技术为基础,其对传统频谱资源(时间、频率等)的利用正不断逼近理论极限,难以采用传统的复用技术来显著提升系统频谱效率。作为一种新型的通信资源,涡旋波的轨道角动量(Orbital Angular Momentum,OAM)可以显著提升频谱利用率。为了避免涡旋波波束产生严重的中空发散和传输损耗,现有的涡旋波通信主要利用低整数OAM模态,导致涡旋波可复用的OA
查明煤储层非均质性及剩余气分布规律对于煤层气挖潜增效具有重要意义。论文以沁水盆地郑庄区块某井区为研究对象,采用理论分析、地质建模和数值模拟相结合的方法,精细表征了研究区3#煤储层的非均质性,构建了3#煤储层的三维地质模型,阐释了研究区剩余气的分布规律,并探讨了地质因素对剩余气分布的控制。主要取得了以下认识:查明了研究区煤储层关键参数的测井响应特征,建立了研究区3#煤的宏观煤岩类型、孔隙度、渗透率以
近些年来,以新能源电动汽车为代表的新型用电设备开始逐步进入人民生活,这就势必会给电网带来很大的冲击,尤其是其中以不控整流器加斩波器组成的充电设施会给电网带来很大的谐波干扰。有源电力滤波器(Active Power Filter,APF)是目前处理该谐波问题的一大热门方案,本文以三电平四桥臂有源电力滤波器为研究对象,对其谐波电流检测、电流补偿控制策略及三电平三维空间矢量脉宽调制(Three-Dime
随着我国建筑业持续快速发展,智能建造加快转变传统建造方式,推进建筑业工业化、数字化、智能化转型升级。为适应建筑行业未来发展的需要,亟需培养一批能够满足国家工程建设和社会科技进步需求的创新型工程科技人才。与此同时,近些年来土建类专业仿真教学逐渐得到推广与兴起,高校通过多种信息技术手段建立沉浸式的虚拟教学环境,尝试对传统土建类专业教学模式进行创新。在此背景下,研究探讨智慧工地仿真教学的构成要素,进而探
近几年来,随着第五代通信的普及,对无线设备的要求日益增高。微波介质陶瓷在无线设备中扮演着重要的角色,一直被研究人员所关注。本文通过固相法,成功合成了Re2Y2O7(Re=Ti、Sn)系和Zr2Ln2O7(Ln=Y、Sm)系陶瓷,并对其微波介电性能进行了分析。(1)本文使用固相法成功的合成了Re2Y2O7(Re=Ti、Sn)系微波介质陶瓷,且形成了稳定的固溶体,由XRD得知Re2Y2O7(Re=Ti