基于特征扩充和LSTM模型的多变量工业订单预测

摘要

工业订单具有很大的不确定性,给企业的生产与管理带来很大的挑战。以瑞典某企业为例,研究分析了工业订单属性及其影响因素,建立了基于LSTM神经网络的多变量订单预测模型。为了进一步提高预测模型的泛化能力,采用STL时间序列分解方法将原订单数据及其影响因素数据分解为趋势分量、季节分量和残差分量,并通过Dense网络学习获得不同分量的权重。原数据及扩充数据同时作为LSTM模型的输入,提高了订单预测模型的预测精度。