期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于周期性建模的时间序列预测方法及电价预测研究
被引量:
25
1
作者
徐任超
阎威武
+2 位作者
王国良
杨健程
张曦
《自动化学报》
EI
CSCD
北大核心
2020年第6期1136-1144,共9页
时间序列数据广泛存在于人类的生产生活中,通常具有复杂的非线性动态和一定的周期性.与传统的时间序列分析方法相比,基于深度学习的方法更能捕捉数据的深层特性,对具有复杂非线性的时间序列有较好的建模效果.为了在神经网络中显式地建...
时间序列数据广泛存在于人类的生产生活中,通常具有复杂的非线性动态和一定的周期性.与传统的时间序列分析方法相比,基于深度学习的方法更能捕捉数据的深层特性,对具有复杂非线性的时间序列有较好的建模效果.为了在神经网络中显式地建模时间序列数据的周期性和趋势性,本文在循环神经网络的基础上引入了周期损失和趋势损失,建立了基于周期性建模和多任务学习的时间序列预测模型.将模型应用到欧洲能源交易所法国市场的能源市场价格预测中,结果表明周期损失和趋势损失能够提高神经网络的泛化能力,并提高预测时间序列趋势的精度.
展开更多
关键词
时间序列预测
深度学习
循环神经网络
周期趋势建模
下载PDF
职称材料
题名
基于周期性建模的时间序列预测方法及电价预测研究
被引量:
25
1
作者
徐任超
阎威武
王国良
杨健程
张曦
机构
上海交通大学电子信息与电气工程学院
系统控制与信息处理教育部重点实验室
上海工程技术大学电子电气工程学院
南方电网国际有限责任公司
出处
《自动化学报》
EI
CSCD
北大核心
2020年第6期1136-1144,共9页
基金
国家重点研究发展计划基金(2019YFB1705702)
国家自然科学基金(60974119,61533013)资助。
文摘
时间序列数据广泛存在于人类的生产生活中,通常具有复杂的非线性动态和一定的周期性.与传统的时间序列分析方法相比,基于深度学习的方法更能捕捉数据的深层特性,对具有复杂非线性的时间序列有较好的建模效果.为了在神经网络中显式地建模时间序列数据的周期性和趋势性,本文在循环神经网络的基础上引入了周期损失和趋势损失,建立了基于周期性建模和多任务学习的时间序列预测模型.将模型应用到欧洲能源交易所法国市场的能源市场价格预测中,结果表明周期损失和趋势损失能够提高神经网络的泛化能力,并提高预测时间序列趋势的精度.
关键词
时间序列预测
深度学习
循环神经网络
周期趋势建模
Keywords
Time series forecasting
deep learning
recurrent neural networks(RNNs)
seasonality and trend modeling
分类号
F426.61 [经济管理—产业经济]
F726 [经济管理—产业经济]
F224 [经济管理—国民经济]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于周期性建模的时间序列预测方法及电价预测研究
徐任超
阎威武
王国良
杨健程
张曦
《自动化学报》
EI
CSCD
北大核心
2020
25
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部