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
- Easy Ropes 2D 1.1.8.4.zip
- 全国基础地理数据库2017版
- ansys分析案例
- 简单多线程socket聊天室程序(c语言)
- Camstar集成海康威视摄像头
- 基于MATLAB的模糊控制表计算程序.m
- 化工流程模拟ASPEN PLUS 教程
- 多模态多视图视频编码的新方法
- 钠原子能级的斯塔克结构
- 斑马打印机ZD-500R中文教程.pdf
- C#手把手教你做一个学生考试系统，附带SQL数据库
- 个人ppt介绍.txt
- 将两条宽带通过两个路由器组成一个局域网的方法.zip
- html5仿微信聊天语音发送话筒录音动画特效.zip
- 现代通信原理与技术答案 张辉
- ASP.NET案例教程
- ATS2825 Datasheet
- matlab程序
- C语言教程第五版
- 代码大全1中文版
- 面向资源的架构（ROA）
- Thinking in Java mobi
- liferay6中文开发文档（开发手册、二次开发指南、代码研读、开发环境配置等）
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