基于 LSTM 的流量预测
机器学习
2024-03-19 v1 信号处理
机器学习
摘要
本文提出了一种基于多元调优的 LSTM 算法，用于对生产或流量等连续时间序列变量进行预测的方法。该算法改进了传统 LSTM 算法，并根据工业数据特征将时间序列数据转换为监督学习序列。本文的主要创新在于将周期测量和时间窗的概念引入工业预测问题，尤其考虑了具有时间序列特征的工业数据。使用真实世界数据集的实验表明，预测精度得到提升，比传统 LSTM 算法高出 54.05%。
引用
@article{arxiv.1908.03571,
title = {LSTM-based Flow Prediction},
author = {Hongzhi Wang and Yang Song and Shihan Tang},
journal= {arXiv preprint arXiv:1908.03571},
year = {2024}
}
备注
8 pages, 11 figures