基于模态分解与SRU网络的时间序列预测

摘要

时间序列预测在工业、农业、金融及军事等领域中具有重要的应用价值。为了进一步提高预测的可靠性和准确性，构建一种基于模态分解与SRU网络的杂交预测模型。首先，针对模态个数难以确定的问题，构建基于平均样本熵来确定模态个数的自适应变分模态分解(AVMD)模型，以减少不同频率上的混叠及降低随机噪声的干扰。通过在Adam算法中引入了随机调整参数，来提高SRU网络的训练速度及增强网络跳出局部最优解的能力。最后，发展一种基于AVMD与SRU网络的杂交模型。为评估提出的预测模型的可靠性和准确性，将之与一些最新预测方法做比较。电力负荷序列的实验结果表明，所提出的杂交预测模型具有较高的准确性和可靠性。

关键词

预测 / 时间序列 / 模态分解 / 平均样本熵 / 随机调整参数 / 循环单元