MultiStepAheadForecasting:时空数据的多步超前预测-源码

上传者: 42109925 | 上传时间: 2021-10-04 10:04:15 | 文件大小: 11.39MB | 文件类型: -
多步骤提前预测 该项目的目的是研究时空数据的多步提前预测中的两个方面: 动态模型与静态模型:我们将比较几种静态模型和动态模型的性能。 动态模型都具有递归神经网络作为其体系结构的一部分。 在这些模型中,先前时间步长中的时间序列值用于导出循环网络的“状态”。 然后,将循环网络的输出扩充到数据中的其他要素,以形成完整的要素集。 相反,在静态模型中,没有递归的体系结构,并且先前时间步长上的时间序列值直接增加到其他特征上。 数据拆分方法:我们将研究将数据拆分为训练和验证模型对测试数据性能的影响的不同方法的效果。 与其他情况相比,为时间序列数据形成验证集更具挑战性。 具体来说,许多机器学习任务可以看作是插值,其中训练和测试集中的特征范围是相似的。 另一方面,时间序列预测(特别是多步提前预测)是一项外推任务。 我们要提出的问题是,在形成验证集时应考虑到这一点。 我们将研究形成验证集的不同方法。 我

文件下载

评论信息

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