基于Attention-TCN的液化气日订单量预测模型

摘要

液化气(LPG)订单量受气温、节假日等外生变量的影响,为实现对不同类型变量的建模,保证预测的准确性与时效性,提出一种基于注意力-时序卷积网络(Attention-TCN)的液化气订单量预测模型。该模型将分类变量通过嵌入转换为低维向量,与数值变量一同作为时序卷积网络(TCN)模型的输入,并添加了通道注意力以提高准确率。基于真实的液化气订单量数据,对长短期记忆(LSTM)网络、TCN与Attention-TCN模型进行了对比,实验结果表明,相较于LSTM模型,Attention-TCN模型所需的训练时间减少了40%以上,预测结果的均方根误差、平均绝对值误差与平均百分比误差分别降低了5.40%、5.46%与4.74%,在所测试的三个模型中表现最佳。所提出的Attention-TCN模型具有训练耗时短、预测精度高、预测时效性好等特点。