使用 VMD-GARCH-LSTM 模型进行时间序列预测的非线性方法
原文中文,约400字,阅读约需1分钟。发表于: 。利用 VMD-LSTM-GARCH 模型,将时间序列分解为子模式,并从这些子模式中提取波动率信息,然后利用长期短期记忆网络对每个子模式进行预测,最后将所有子模式的预测结果进行聚合,通过集成计量经济学和人工智能方法,考虑时间序列的数字和波动率信息,该模型在时间序列预测中具有优越的性能。
本文介绍了一种新的FSDB采样技术,用于水文时间序列预测中的分解模型,避免引入未来信息。在三个站点中,使用该技术的VMD-based混合模型的预测效果比目前最先进的采样技术提高了6.4%至28.8%不等。