時間序列數(shù)據(jù)廣泛存在于在金融、天文、工業(yè)、醫(yī)藥、電力等諸多領(lǐng)域。時間序列具有連續(xù)性,隨機性以及周期性,其特性表明了對其進行預(yù)測的可行性與困難性。通過分析時間序列數(shù)據(jù),可以挖掘數(shù)據(jù)的周期性、基本趨勢和關(guān)聯(lián)規(guī)則等有價值的信息,還能夠?qū)ξ磥碜邉葸M行預(yù)測。時間序列預(yù)測模型的應(yīng)用范圍十分廣泛,包括電力需求預(yù)測、金融市場預(yù)測以及現(xiàn)代醫(yī)療診斷等領(lǐng)域,無論是為了獲取商業(yè)利益還是規(guī)避風(fēng)險,提高時間序列預(yù)測的準(zhǔn)確性,都具有極大的研究價值和實用價值。針對不同時間尺度對時間序列進行預(yù)測,分為細(xì)粒度預(yù)測和粗粒度預(yù)測。目前的主要預(yù)測方法包括統(tǒng)計學(xué)習(xí)方法、傳統(tǒng)機器學(xué)習(xí)方法、前饋神經(jīng)網(wǎng)絡(luò)方法和循環(huán)神經(jīng)網(wǎng)絡(luò)方法等。這些方法都有各自的限制或者需根據(jù)實際應(yīng)用場景做出組合、調(diào)整、改進。在應(yīng)用領(lǐng)域,預(yù)測精度每提高一點,都能帶來巨大的收益。神經(jīng)網(wǎng)絡(luò)擁有通用的逼近能力,強大的計算能力和表達能力,是一種理想的規(guī)則和模式學(xué)習(xí)器,可以用來發(fā)展更高級形式的預(yù)測器。本文致力于研究神經(jīng)網(wǎng)絡(luò)工作原理,從而對其進行結(jié)構(gòu)調(diào)整和改進,以及模型組合等工作,建立時間序列粗粒度和細(xì)粒度預(yù)測模型,提高時間序列預(yù)測精度。針對時間序列的細(xì)粒度預(yù)測問題,本文提出了... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1兩種預(yù)測模型

學(xué)碩士研究生學(xué)位論文 第三章 基于 LSTM 的數(shù)據(jù)中心能耗細(xì)粒度換機能量模式，仿真持續(xù)時間等參數(shù)設(shè)置信息，以及仿真持續(xù)期間，消耗W*h）和具體的各個組件消耗的總能量。并且，如圖 3.2 所示，仿真結(jié)果仿真時間內(nèi)各個時間點的能量消耗情況，默認(rèn)的最小時隙單位為 1 秒，即耗情況，能耗序列數(shù)據(jù)數(shù)據(jù)以文本形式保存。

17圖 3.2 各個組件能量消耗信息（時隙單位：1 秒）nnCloud 的主要參數(shù)設(shè)置如表 3.2 所示。與真實數(shù)據(jù)中心相比，實驗系統(tǒng)在化。因為我們的模型是基于學(xué)習(xí)的黑盒模型，只要一個人擁有測量數(shù)據(jù)，數(shù)據(jù)中心功耗的方法可以很容易地用于其他更復(fù)雜的情況。使用相同的基使用其獨特的工作負(fù)載為數(shù)據(jù)中心建模，模擬中的這些簡化可以簡化數(shù)據(jù)

【參考文獻】：
期刊論文
[1]基于神經(jīng)網(wǎng)絡(luò)語言模型的時間序列趨勢預(yù)測方法[J]. 王慧健,劉崢,李云,李濤.  計算機工程. 2019(07)
[2]基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的故障時間序列預(yù)測[J]. 王鑫,吳際,劉超,楊海燕,杜艷麗,牛文生.  北京航空航天大學(xué)學(xué)報. 2018(04)

博士論文
[1]神經(jīng)網(wǎng)絡(luò)及其組合模型在時間序列預(yù)測中的研究與應(yīng)用[D]. 潘麗娜.蘭州大學(xué) 2018
[2]時間序列短期預(yù)測模型研究與應(yīng)用[D]. 張滸.華中科技大學(xué) 2013

碩士論文
[1]面向物聯(lián)網(wǎng)時間序列數(shù)據(jù)深度學(xué)習(xí)的LSTM方法研究[D]. 謝小峰.湖南大學(xué) 2018
[2]基于ARIMA-LSSVM混合模型的股指預(yù)測研究[D]. 袁磊.哈爾濱工業(yè)大學(xué) 2015



本文編號：3057475