時(shí)間序列研究對(duì)象是隨著時(shí)間變化的某種現(xiàn)象,在生活中廣泛存在,比如:通過(guò)對(duì)電影票房預(yù)測(cè)使得影院能夠更好的排片;通過(guò)對(duì)地區(qū)的經(jīng)濟(jì)情況進(jìn)行預(yù)測(cè),為公司、國(guó)家的投資提供支持。因此研究該問(wèn)題對(duì)國(guó)計(jì)民生都具有重要的意義。ARIMA（Autoregressive Integrated Moving Average Model）要求時(shí)序數(shù)據(jù)是穩(wěn)定的。SVM（Support Vector Machine）受限于核函數(shù)種類(lèi)稀少,只在特定的情況下有較好的效果。適用于時(shí)間序列預(yù)測(cè)的循環(huán)神經(jīng)網(wǎng)絡(luò)及其改進(jìn)型不僅能夠記憶歷史規(guī)律信息,而且能夠擬合非常復(fù)雜的非線(xiàn)性問(wèn)題。但是這些方法不能夠記憶長(zhǎng)遠(yuǎn)的歷史信息。另外,歷史數(shù)據(jù)對(duì)突發(fā)事件的缺乏表達(dá)也會(huì)影響預(yù)測(cè)的精度。為了解決上述問(wèn)題,提出一種融合新聞事件的深度學(xué)習(xí)時(shí)間序列預(yù)測(cè)模型NS_TCL（News Sentiment,Temporal Convolution and Long Short Term Memory）。首先針對(duì)歷史規(guī)律對(duì)突發(fā)事件的缺乏表達(dá)得問(wèn)題,NS_TCL使用實(shí)時(shí)性強(qiáng)的相關(guān)互聯(lián)網(wǎng)新聞解決。使用詞向量,Self-Att... 

【文章來(lái)源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 課題研究背景
    1.2 課題研究意義與目的
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
    1.4 論文主要研究?jī)?nèi)容
    1.5 論文組織結(jié)構(gòu)
2 相關(guān)技術(shù)綜述
    2.1 時(shí)間序列預(yù)測(cè)常用模型
    2.2 新聞?shì)浨榉治龇椒?br>    2.3 本章小結(jié)
TCL模型設(shè)計(jì)">3 NS_TCL模型設(shè)計(jì)
    3.1 基于Self-Attention新聞?shì)浨榉治龇椒?br>    3.2 基于CNN的長(zhǎng)短期歷史特征提取
    3.3 基于CNN和 LSTM的時(shí)間序列預(yù)測(cè)模型整體結(jié)構(gòu)
TCL模型">    3.4 NS_TCL模型
    3.5 本章小結(jié)
4 實(shí)驗(yàn)與分析
    4.1 實(shí)驗(yàn)數(shù)據(jù)集
    4.2 實(shí)驗(yàn)設(shè)計(jì)
    4.3 實(shí)驗(yàn)結(jié)果展示與分析
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間參與的科研項(xiàng)目
附錄2 攻讀碩士學(xué)位期間申請(qǐng)的專(zhuān)利
附錄3 攻讀碩士學(xué)位期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]基于LSTM-RNN模型的鐵水硅含量預(yù)測(cè)[J]. 李澤龍,楊春節(jié),劉文輝,周恒,李宇軒.  化工學(xué)報(bào). 2018(03)
[2]基于A(yíng)RIMA模型的短期股票價(jià)格預(yù)測(cè)[J]. 吳玉霞,溫欣.  統(tǒng)計(jì)與決策. 2016(23)
[3]基于BP神經(jīng)網(wǎng)絡(luò)的管道泄漏聲信號(hào)識(shí)別方法研究[J]. 焦敬品,李勇強(qiáng),吳斌,何存富.  儀器儀表學(xué)報(bào). 2016(11)
[4]量子遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測(cè)[J]. 張立仿,張喜平.  計(jì)算機(jī)工程與科學(xué). 2016(01)
[5]基于網(wǎng)絡(luò)大數(shù)據(jù)的社會(huì)經(jīng)濟(jì)預(yù)測(cè)綜述[J]. 蘇志,張騏.  情報(bào)雜志. 2015(07)
[6]基于BP人工神經(jīng)網(wǎng)絡(luò)的霧霾天氣預(yù)測(cè)研究[J]. 艾洪福,石瑩.  計(jì)算機(jī)仿真. 2015(01)
[7]基于深度學(xué)習(xí)的微博情感分析[J]. 梁軍,柴玉梅,原慧斌,昝紅英,劉銘.  中文信息學(xué)報(bào). 2014(05)
[8]基于情感詞典擴(kuò)展技術(shù)的網(wǎng)絡(luò)輿情傾向性分析[J]. 楊超,馮時(shí),王大玲,楊楠,于戈.  小型微型計(jì)算機(jī)系統(tǒng). 2010(04)
[9]多元線(xiàn)性回歸的預(yù)測(cè)建模方法[J]. 王惠文,孟潔.  北京航空航天大學(xué)學(xué)報(bào). 2007(04)



本文編號(hào)：3038071