基于深度学习LSTM时间序列预测的研究.docx

基于深度学习LSTM时间序列预测的研究.docx

  1. 1、本文档共33页,其中可免费阅读10页,需付费200金币后方可阅读剩余内容。
  2. 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
  3. 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
  4. 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

基于深度学习LSTM时间序列预测的研究

Researchontime-seriesforecasting

basedonLSTMofDeeplearning

PAGE

PAGEII

摘要

按照一定时间间隔排列的时间序列在我们日常生活中随处可见,其反应的是随时间变化的趋势,便可通过研究时序数据的内在表现规律及外在呈现效果来预测未来未知数据。本文基于深度学习LSTM算法研究时间序列数据的预测问题,以北京市空气质量预测问题为研究背景展开研究,利用Google开源的TensorFlow机器学习框架和LSTM循环神经网络建立动态预测模型,对随时间变

文档评论(0)

瀚海文化 + 关注
实名认证
内容提供者

创造文章的海洋,感受知识的魅力

1亿VIP精品文档

相关文档