基于CNN-LSTM-Attention組合模型對(duì)我國(guó)貨運(yùn)量時(shí)序預(yù)測(cè)對(duì)比

打開(kāi)文本圖片集

摘 要：為了進(jìn)一步提高我國(guó)貨運(yùn)量的預(yù)測(cè)準(zhǔn)確性，文章基于卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短期記憶網(wǎng)絡(luò)模型，引入注意力機(jī)制（Attention Mechanism）的組合預(yù)測(cè)模型，以對(duì)我國(guó)貨運(yùn)量進(jìn)行時(shí)序預(yù)測(cè)。首先，利用卷積神經(jīng)網(wǎng)絡(luò)提取貨運(yùn)量數(shù)據(jù)變化特征。其次，將所提取的特征構(gòu)成時(shí)間序列作為長(zhǎng)短期記憶網(wǎng)絡(luò)的輸入。最后，通過(guò)注意力集中捕捉預(yù)測(cè)模型中經(jīng)LSTM層輸出的信息特征，劃分權(quán)重比例，提取關(guān)鍵信息，實(shí)現(xiàn)貨運(yùn)量預(yù)測(cè)。（剩余9081字）