原创力文档- 1、本文档共8页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第３８卷第２期计算机应用与软件Ｖｏｌ３８Ｎｏ．２
２０２１年２月ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅＦｅｂ．２０２１
基于ＡＲＩＭＡ和ＬＳＴＭ混合模型的时间序列预测
王英伟马树才
（辽宁大学经济学院辽宁沈阳１１００３６）
摘要由于现实中的时间序列通常同时具有线性和非线性特征，传统ＡＲＩＭＡ模型在时间序列建模中常表现
出一定局限性。对此，提出基于ＡＲＩＭＡ和ＬＳＴＭ混合模型进行时间序列预测。应用线性ＡＲＩＭＡ模型进行时间
序列预测，用支持向量回归（ＳＶＲ）模型对误差序列进行预测，采用深度ＬＳＴＭ模型对ＡＲＩＭＡ模型和ＳＶＲ模型的
预测结果组合，并将贝叶斯优化算法用于选择深度ＬＳＴＭ模型的超参数。实验结果表明，与其他混合模型相比，
该模型在五种不同时间序列预测中能够有效提高预测精度。
关键词ＡＲＩＭＡ模型ＳＶＲ模型深度ＬＳＴＭ模型贝叶斯优化算法时间序列预测
中图分类号ＴＰ３０２．７文献标志码ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０２１．０２．０４７
ＴＩＭＥＳＥＲＩＥＳＦＯＲＥＣＡＳＴＩＮＧＢＡＳＥＤＯＮＡＲＩＭＡ＿ＤＬＳＴＭＨＹＢＲＩＤＭＯＤＥＬ
ＷａｎｇＹｉｎｇｗｅＭｉａＳｈｕｃａｉ
（ＩｎｓｔｉｔｕｔｅｏｆＥｃｏｎｏｍｉｃｓ，ＬｉａｏｎｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｙａｎｇ１１００３６，Ｌｉａｏｎｉｎｇ，Ｃｈｉｎａ）
ＡｂｓｔｒａｃｔＢｅｃａｕｓｅｒｅａｌｗｏｒｌｄｔｍｉｅｓｅｒｉｅｓｕｓｕａｌｌｙｃｏｎｔａｉｎｂｏｔｈｌｉｎｅａｒａｎｄｎｏｎｌｉｎｅａｒｐａｔｔｅｒｎｓ，ｔｒａｄｉｔｉｏｎａｌＡＲＩＭＡｍｏｄｅｌ
ｈａｓａｌｍｉｉｔｅｄｐｅｒｆｏｒｍａｎｃｅｉｎｔｈｅｔｍｉｅｓｅｒｉｅｓｍｏｄｅｌｉｎｇ．Ｉｎｖｉｅｗｏｆｔｈｉｓ，ｗｅｐｒｏｐｏｓｅＡＲＩＭＡ＿ＤＬＳＴＭｈｙｂｒｉｄｍｏｄｅｌｆｏｒ
ｔｍｉｅｓｅｒｉｅｓｆｏｒｅｃａｓｔｉｎｇ．ＬｉｎｅａｒＡＲＩＭＡｍｏｄｅｌｗａｓｕｓｅｄｆｏｒｔｍｉｅｓｅｒｉｅｓｐｒｅｄｉｃｔｉｏｎｆｉｒｓｔｌｙ，ａｎｄｔｈｅｎｓｕｐｐｏｒｔｖｅｃｔｏｒ
ｒｅｇｒｅｓｓｉｏｎ（ＳＶＲ）ｗａｓｕｓｅｄｆｏｒｅｒｒｏｒｓｅｒｉｅｓｐｒｅｄｉｃｔｉｏｎ．ＴｈｅｄｅｅｐＬＳＴＭｍｏｄｅｌｗａｓｉｎｔｒｏｄｕｃｅｄｔｏｃｏｍｂｉｎｅｔｈｅｆｏｒｅｃａｓｔｓｏｆ
ＡＲＩＭＡｍｏｄｅｌａｎｄＳＶＲｍｏｄｅｌ，ａｎｄＢａｙｅｓｉａｎｏｐｔｍｉｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｗａｓａｄｏｐｔｅｄｔｏｏｂｔａｉｎｔｈｅｏｐｔｍｉａｌｈｙｐｅｒｐａｒａｍｅｔｅｒ
ｏｆｄｅｅｐＬＳＴＭｍｏｄｅｌ．ＴｈｅｅｘｐｅｒｍｉｅｎｔａｌｒｅｓｕｌｔｓｏｆｆｉｖｅｔｍｉｅｓｅｒｉｅｓｆｏｒｅｃａｓｔｉｎｇｓｈｏｗｔｈａｔＡＲＩＭＡ＿ＤＬＳＴＭｍｏｄｅｌｃａｎ
ｅｆｆｅｃｔｉｖｅｌｙｍｉｐｒｏｖｅｔｈｅｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙｃｏｍｐａｒｅｄｗｉｔｈｏｔｈｅｒｈｙｂｒｉｄｍｏｄｅｌｓ．
ＫｅｙｗｏｒｄｓＡＲＩＭＡｍｏｄｅＳｌＶＲｍｏｄｅｌＤｅｅｐＬＳＴＭｍｏｄｅｌＢａｙｅｓｉａｎｏｐｔｍｉｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍＴｍｉｅｓｅｒｉｅｓｆｏｒｅｃａｓｔｉｎｇ
性和自适应性等特征，可以有效提高预测精度，以
０引言ＬＳＴＭ为代表的深度神经网络成为近年来的研究热
点。但单一非线性模型对同时具有线性和非线性特征
时间序列预测在众多领域有广泛应用，如金融、经的时间序列并不能获得最优结果［６］。
济、工程和航空等，并成为机器学习领域的重要研究课由于单一模型的局限性，众多学
文档评论（0）