基于深度神经网络的时间序列预测技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 本文研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 2 相关技术综述 | 第13-28页 |
| 2.1 时间序列预测概述 | 第13-15页 |
| 2.1.1 时间序列预测的特点及条件 | 第13页 |
| 2.1.2 几个基本概念 | 第13-14页 |
| 2.1.3 时间序列预测问题分类 | 第14-15页 |
| 2.2 传统时间序列预测方法 | 第15-17页 |
| 2.2.1 自回归模型 | 第15-16页 |
| 2.2.2 滑动平均模型 | 第16页 |
| 2.2.3 自回归滑动平均模型 | 第16-17页 |
| 2.2.4 ARIMA模型 | 第17页 |
| 2.3 基于机器学习的时间序列预测方法 | 第17-22页 |
| 2.3.1 支持向量回归模型 | 第17-20页 |
| 2.3.2 RBF模型 | 第20-21页 |
| 2.3.3 隐马尔可夫模型 | 第21-22页 |
| 2.4 深度神经网络相关理论 | 第22-27页 |
| 2.4.1 人工神经网络简介 | 第22-23页 |
| 2.4.2 单个神经元 | 第23-24页 |
| 2.4.3 前向神经网络 | 第24-25页 |
| 2.4.4 BP算法 | 第25-26页 |
| 2.4.5 深度神经网络 | 第26-27页 |
| 2.5 评价指标 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 3 基于卷积神经网络的时间序列预测框架 | 第28-42页 |
| 3.1 卷积神经网络概述 | 第28-29页 |
| 3.2 卷积神经网络特点 | 第29-30页 |
| 3.3 卷积神经网络的训练 | 第30-31页 |
| 3.4 针对时间序列预测的框架构建与训练 | 第31-33页 |
| 3.4.1 模型框架 | 第31-33页 |
| 3.4.2 模型训练 | 第33页 |
| 3.5 实验结果与分析 | 第33-41页 |
| 3.5.1 数据集 | 第34-35页 |
| 3.5.2 样本构造 | 第35页 |
| 3.5.3 卷积核个数对预测结果的影响 | 第35页 |
| 3.5.4 输入样本长度对预测结果的影响 | 第35-37页 |
| 3.5.5 全连接层神经元数量对实验的影响 | 第37-39页 |
| 3.5.6 对比实验 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 4 基于循环神经网络的时间序列预测框架 | 第42-59页 |
| 4.1 循环神经网络 | 第42-43页 |
| 4.1.1 循环神经网络原理 | 第42页 |
| 4.1.2 循环神经网络的训练 | 第42-43页 |
| 4.2 LSTM神经网络 | 第43-45页 |
| 4.2.1 LSTM神经元 | 第43-44页 |
| 4.2.2 LSTM神经网络的训练 | 第44-45页 |
| 4.3 针对时间序列预测的框架构建与训练 | 第45-46页 |
| 4.4 基于attention机制的框架改进 | 第46-48页 |
| 4.4.1 attention机制原理 | 第47页 |
| 4.4.2 改进的模型框架 | 第47-48页 |
| 4.5 实验结果与分析 | 第48-54页 |
| 4.5.1 数据集 | 第48-49页 |
| 4.5.2 attention改进实验结果 | 第49-50页 |
| 4.5.3 对比实验结果 | 第50-54页 |
| 4.6 不同优化学习方法对网络收敛性能影响分析 | 第54-58页 |
| 4.6.1 优化学习方法简介 | 第55-56页 |
| 4.6.2 实验结果 | 第56-58页 |
| 4.7 本章小结 | 第58-59页 |
| 5 基于混合神经网络的双通道时间序列预测框架 | 第59-66页 |
| 5.1 模型构建 | 第59-60页 |
| 5.2 模型训练 | 第60-62页 |
| 5.3 实验结果与分析 | 第62-65页 |
| 5.3.1 双通道不同输出维度对预测的影响 | 第62页 |
| 5.3.2 双通道与单通道对比实验 | 第62-65页 |
| 5.4 本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 论文总结 | 第66-67页 |
| 6.2 工作展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 附录 | 第73页 |
