比较 LSTM 和 ARIMA 模型对具有永久波动的时间序列的预测精度-研究论文
在经济体系不稳定的发展中国家，历史数据的永久性波动一直是一个令人担忧的问题。 识别变量的依赖性和独立性是模糊的，建立可靠的预测模型比其他国家更复杂。 尽管非线性多元经济时间序列的线性化来预测可能会给出结果，但应忽略显示经济系统中不规则性的数据的性质。 人工神经网络（ANN）的新方法有助于建立一个保持数据属性的预测模型。 在本文中，我们使用德黑兰证券交易所 (TSE) 10 年的日内数据来预测未来 2 个月。 与自回归积分移动平均 (ARIMA) 模型相比，来自 ANN 的长短期记忆 (LSTM) 选择和输出。 结果表明，虽然在长期预测中，两种模型的预测精度都有所降低，但 LSTM 在精度误差方面明显优于 ARIMA。
文件下载
评论信息
其他资源
- matlab的pwm函数编写
- conll 特征词提取 python
- matlab 乘子法源代码
- 基于T-S模型的模糊神经网络
- PIC16F877A串口通信proteus仿真
- Android模拟点击
- Free简易版音游app
- 博弈分析软件 gambit
- HUAWEI 防火墙 综合配置案例.chm
- Huawei_CodeFormatter.xml
- MATLAB彩色图片对比度增强（直方图均衡）
- 2019全球上市人力资源服务公司50强研究报告（115页）.zip
- Eye Fixation Related EEG Rhythms and its Application on Detection of Regions of Interest
- WS 375-2012疾病控制基本数据集 第8部分：行为危险因素监测.pdf
- example.xlsx
- 上海期货交易所ctp trader demo
- Deep Learning with TensorFlow第二版pdf
- 虫师robotframe自动化测试
- fpga 课程设计
- 东南大学单片机实验报告测控技术与仪器
- OCR 文字 和字母识别matlab程序
- 深入浅出ARM7-LPC213X/214X（上下册） 周立功
- 《The elements of statistical learning》第二版电子书下载
- 超声波电子测距仪 单片机
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明