一种基于注意力机制深度学习的混沌时间序列预测方法

摘要

本发明属于混沌系统技术领域，一种基于注意力机制深度学习的混沌时间序列预测方法，包括以下步骤：(1)构建混沌时间序列数据集，(2)对混沌时间序列进行相空间重构，(3)使用LSTM神经网络模型训练混沌时间序列数据，(4)构建基于预测的注意力机制模型，(5)构建离线训练模型，(6)在线预测。本发明一种基于注意力机制深度学习的混沌时间序列预测方法，模型结构清晰，具有参考价值，可以应用到混沌系统的例如金融市场预测或能源预测等方面。