深度学习模型在多步超前时间序列预测中的评估
机器学习
2021-06-08 v2 人工智能
摘要
利用神经网络进行时间序列预测在过去几十年中一直是许多研究的焦点。鉴于近期深度学习的变革，使用深度学习模型进行时间序列预测受到大量关注，因此评估其优势与不足十分重要。本文提出一项评估研究，比较深度学习模型在多步超前时间序列预测中的表现。深度学习方法包括简单循环神经网络、长短期记忆（LSTM）网络、双向LSTM网络、编码器-解码器LSTM网络以及卷积神经网络。我们进一步与使用随机梯度下降和自适应矩估计（Adam）训练的简单神经网络进行比较。我们聚焦于基准时间序列数据集上的单变量时间序列多步超前预测，并进一步将结果与文献中相关方法比较。结果表明，双向与编码器-解码器LSTM网络在给定时间序列问题的准确度上表现最佳。
引用
@article{arxiv.2103.14250,
title = {Evaluation of deep learning models for multi-step ahead time series prediction},
author = {Rohitash Chandra and Shaurya Goyal and Rishabh Gupta},
journal= {arXiv preprint arXiv:2103.14250},
year = {2021}
}