基于深度学习的时间序列趋势预测对比研究

摘要

时间序列趋势预测广泛应用在各种场景中,本文讨论了在仅使用历史数据的情况下时间卷积网络(Temporal Convolutional Network,TCN)、卷积神经网络(Convolutional Neural Networks,CNN)、多层感知器(Multi-Layer Perceptron,MLP)在时间序列趋势预测中的性能。为避免数据集对不同神经网络结构的影响,本文采用了单一模型与训练两个独立的神经网络模型来预测开普敦气温、标普500每日收盘价以及家庭用电量数据集趋势的斜率和持续时间,并进行对比研究。实验结果表明,在单一模型预测中,CNN性能最佳。同时,所有的网络模型结构,独立模型分开预测的方式都优于传统单一网络的趋势预测性能。