.png){kind=icon}
返回
Developing a forecasting model for time series based on clustering and deep learning algorithms
.png){kind=icon}
PRE
AI
DOI：10.1016/j.asoc.2025.112977.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种新的时间序列预测模型，该模型基于聚类分析（CA）算法的改进和结合，以及使用卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）模型进行深度学习。所提出的模型被认为是这一研究方向的开创性工作，并在三个主要阶段做出了重要贡献。在第一阶段，将原始序列转换为百分比变化序列，并使用CA算法将其划分为适当数量的簇。下一阶段涉及基于具有合适参数的CNN提取新序列的特征，并利用第一阶段的结果进行输入数据增强。在最终阶段，将BiLSTM模型应用于第二阶段建立的序列，并建立未来预测原则。所提出的模型在实施步骤中进行了详细说明，证明了收敛性，并通过数值示例进行说明，且可使用Matlab程序应用于实际序列。所提出模型的有效性相当显著，因为它在多个权威基准数据集上超越了众多强大的预测模型，包括包含3,003个序列的M3竞赛数据集和包含100,000个序列的M4竞赛数据集。
Keyword:
Clustering algorithm
Convolutional neural network
Forecasting model
Long short term memory
Time series
期刊
IF:
6.6
论文数:
1.4W
被引数:
4.8W
机构
引用论文
Building fuzzy time series model from unsupervised learning technique and genetic algorithm基于无监督学习技术和遗传算法构建模糊时间序列模型
OAAI
OAAI分享收藏Wind Speed Forecasting using Hybrid Model of CNN and LSTM with Wavelets基于CNN和LSTM混合模型及小波变换的风速预测
PREAI
分享收藏Adaptive hybrid fuzzy time series forecasting technique based on particle swarm optimization基于粒子群优化的自适应混合模糊时间序列预测技术
PREAI
分享收藏
Short-Term Power Load Forecasting Based on Secondary Cleaning and CNN-BILSTM-Attention.png)
EnergiesOAAI
EnergiesIF0
OAAI分享收藏Multi-view Stacked CNN-BiLSTM (MvS CNN-BiLSTM) for urban PM2.5 concentration prediction of India's polluted cities多视图堆叠cnn-bilstm (MvS cnn-bilstm) 用于印度污染城市的城市PM2.5浓度预测
PREAI
分享收藏A Fuzzy Time Series Model Based on Improved Fuzzy Function and Cluster Analysis Problem基于改进模糊函数和聚类分析问题的模糊时间序列模型
PREAI
分享收藏
查看更多内容