建筑成本指数预测：一种多特征融合方法
机器学习
2022-03-01 v5
摘要
建筑成本指数是建筑行业的重要指标。预测建筑成本指数具有重要的现实意义。本文将信息融合与机器学习相结合，提出了一种用于时间序列预测的多特征融合（MFF）模块。MFF的主要贡献在于提高建筑成本指数的预测精度，并提出一个用于时间序列的特征融合框架。与卷积模块相比，MFF模块是一个提取特定特征的模块。实验证明，MFF模块与多层感知器的结合具有相对较好的预测效果。MFF神经网络模型具有较高的预测精度和预测效率，这是一项值得持续关注的研究。
引用
@article{arxiv.2108.10155,
title = {Construction Cost Index Forecasting: A Multi-feature Fusion Approach},
author = {Tianxiang Zhan and Yuanpeng He and Fuyuan Xiao},
journal= {arXiv preprint arXiv:2108.10155},
year = {2022}
}