声明
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文研究内容
1.4 本文组织结构
2 相关理论研究基础
2.1 时间序列分析
2.1.1 平稳性检验
2.1.2 白噪声检验
2.2 ARIMA
2.2.1 ARIMA的基本原理
2.2.2 ARIMA建模过程
2.3 RNN神经网络
2.3.1 RNN神经网络原理
2.3.2 RNN的利弊
2.4 LSTM神经网络
2.5 本章小结
3 改进的LSTM神经网络
3.1 改进的LSTM单元结构
3.2 pLSTM的训练
3.3 梯度下降的优化
3.4 本章小结
4 模型的构建
4.1 数据的预处理
4.2 激活函数的选择
4.3 过拟合问题的解决
4.4 基于网格搜索的模型参数优选
4.5 模型的搭建与预测
4.6 本章小结
5 实验及结果分析
5.1 实验环境与数据
5.1.1 实验环境
5.1.2 实验数据与预处理
5.2 度量指标
5.3 相关系数分析
5.4 实验结果与分析
5.4.1 参数优选及预测
5.4.2 不同模型预测的对比实验
5.4.3 不同模型综合对比结果
5.4.4 pLSTM模型的延伸性实验
5.5 本章小结
6 总结与展望
6.1 全文总结
6.2 课题展望
致谢
参考文献
华中科技大学;