.png){kind=icon}
返回
Multivariate time series prediction with multi-feature analysis
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2024.126302.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多变量时间序列（MTS）具有复杂的时间和空间相关性，并被广泛应用于工业、金融等领域。一些当前的MTS预测算法仅提取单一的时间或空间特征，忽略了时间序列周期性中所包含的丰富特征。针对时间序列的多特征融合（包括时间、空间和周期性），我们提出了一种基于多特征分析的组合时间序列预测模型MTSD。我们提出了一个时间特征提取模块，用于提取MTS的时间特征。采用带有注意力机制的Long Short-Term Memory（LSTM）来提取序列数据的时间依赖性。论文还提出嵌入动态周期图以提取时间序列数据的周期性。我们提出了一个空间特征提取模块，用于提取MTS的空间特征。我们通过数据结构变换将多个一维序列转换为二维图形结构，并使用卷积神经网络（CNN）从时间序列数据中提取空间关系。随后，采用加权平均方法融合模型以获得最终预测结果。最后，为评估所提出方法的表现，我们在四个真实基准数据集上进行了大量实验。实验结果表明，该方法的表现优于几种基线方法，并且适用于具有多元强相关性的多元时间序列数据。
Keyword:
Multivariate time series prediction
Multi-feature analysis
Long-term memory network
Attention mechanism
Convolutional neural network
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
暂无机构信息
引用论文
Graph-Time Convolutional Neural Networks: Architecture and Theoretical Analysis图-时间卷积神经网络：架构与理论分析
OAAI
OAAI分享收藏Learning Hierarchical Spatial-Temporal Graph Representations for Robust Multivariate Industrial Anomaly Detection用于鲁棒多元工业异常检测的学习分层时空图表示
PREAI
分享收藏Mining association rules from time series to explain failures in a hot-dip galvanizing steel line
PREAI
分享收藏ATM cash demand forecasting in an Indian bank with chaos and hybrid deep learning networks具有混沌和混合深度学习网络的印度银行ATM现金需求预测
OAAI
OAAI分享收藏Transformer Network for Remaining Useful Life Prediction of Lithium-Ion Batteries用于锂离子电池剩余寿命预测的变压器网络.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏A Temporal Window Attention-Based Window-Dependent Long Short-Term Memory Network for Multivariate Time Series Prediction一种基于时序窗口注意力机制的窗口依赖长短时记忆网络用于多变量时间序列预测EntropyOAAI
EntropyIF0
OAAI分享收藏
查看更多内容