[1] |
徐高扬,刘姚. LSTM网络在台风路径预测中的应用[J]. 计算机与现代化, 2019(5):64-68.
|
[2] |
BOX G E P, JENKINS G M. Time Series Analysis: Forecasting and Control[M]. San Francisco: Holden-Day Press, 1976.
|
[3] |
董大勇,刘珂言. 基于ARIMA模型的工业品出厂价格指数预测与分析[J]. 统计与决策, 2016(1):179-181.
|
[4] |
黄婷婷,余磊. SDAE-LSTM模型在金融时间序列预测中的应用[J]. 计算机工程与应用, 2019,55(1):142-148.
|
[5] |
李哲敏,许世卫,崔利国,等. 基于动态混沌神经网络的预测研究——以马铃薯时间序列价格为例[J]. 系统工程理论与实践, 2015,35(8):2083-2091.
|
[6] |
刘春红,杨亮,邓河,等. 基于ARIMA和BP神经网络的猪舍氨气浓度预测[J]. 中国环境科学, 2019,39(6):2320-2327.
|
[7] |
朱家明,胡玲燕. 基于ARIMA和BP神经网络对人民币汇率预测的比较分析——以美元人民币汇率为例[J]. 重庆理工大学学报(自然科学版), 2019,33(5):207-212.
|
[8] |
郑琰,黄兴,肖玉杰. 基于时间序列的商品需求预测模型研究[J]. 重庆理工大学学报(自然科学版), 2019,33(9):217-222.
|
[9] |
翟静,曹俊. 基于时间序列ARIMA与BP神经网络的组合预测模型[J]. 统计与决策, 2016(4):29-32.
|
[10] |
李丽萍,段桂华,王建新. 基于Prophet框架的银行网点备付金预测方法[J]. 中南大学学报(自然科学版), 2019,50(1):75-82.
|
[11] |
刘家学,沈贵宾. 基于LSTM的航空公司能耗序列预测[J]. 计算机应用与软件, 2019,36(10):60-65.
|
[12] |
李春,高飞,王会青. 改进果蝇算法优化CIAO-LSTM网络的时序预测模型[J]. 计算机工程与应用, 2019,56(11):129-134.
|
[13] |
PASCANU R, MIKOLOV T, BENGIO Y. On the difficulty of training recurrent neural networks[C]// Proceedings of the 30th International Conference on Machine Learning. 2013:1310-1318
|
[14] |
TAYLOR S J, LETHAM B. Forecasting at scale[J]. The American Statistician, 2018,72(1):37-45.
|
[15] |
许国艳,朱进,司存友,等. 基于CNN和MC的水文时间序列预测组合模型[J]. 计算机与现代化, 2019(11):23-28.
|
[16] |
凌立文,张大斌. 组合预测模型构建方法及其应用研究综述[J]. 统计与决策, 2019,35(1):18-23.
|
[17] |
韩冬梅,牛文清,杨荣. 线性与非线性最优组合预测方法的比较研究[J]. 情报科学, 2007,25(11):1672-1678.
|
[18] |
景泓斐,张琨,蔡冰,等. 基于BP神经网络的应用层DDoS检测方法[J]. 计算机工程与应用, 2019,55(20):73-79.
|
[19] |
王凯翔. 基于多元回归和神经网络途径的太湖富营养化指标分析与预测[J]. 南京师范大学学报(工程技术版), 2017,17(2):70-74.
|
[20] |
林琳. 基于BP神经网络的水利工程风险管理研究[D]. 赣州:江西理工大学, 2015.
|
[21] |
李明明,雷菊阳,赵从健. 基于LSTM-BP组合模型的短时交通流预测[J]. 计算机系统应用, 2019,28(10):152-156.
|
[22] |
温惠英,张东冉,陆思园. GA-LSTM模型在高速公路交通流预测中的应用[J]. 哈尔滨工业大学学报, 2019,51(9):81-87,95.
|
[23] |
刘佳,施龙青,韩进,等. 基于Grid-Search_PSO优化SVM回归预测矿井涌水量[J]. 煤炭技术, 2015,34(8):184-186.
|