融合ESAttention的双重分解长期时序预测网络
-
7
-
作者
程倚宁 荣禹森 贾凡 高伟 彭
-
单位
太原理工大学计算机科学与技术学院（大数据学院）太原理工大学软件学院
-
摘要
随着大数据时代的快速发展，数据规模日益庞大，对长期时序预测任务的需求随之增加，如何建立时序数据间的长期依赖关系是该预测任务的一个难点。为此，提出一种融合ESAttention的双重分解长期时序预测网络ESDDNet。首先，使用趋势季节项分解分析时序数据的整体趋势和动态变化；其次，基于爱因斯坦求和约定构造注意力机制增强模型提取全局信息的能力；最后，提出前后对称分解思想分解序列并设计一种前馈学习方法提取序列中的顺序特征。在五个公共数据集上的实验结果表明，ESDDNet模型在96、192、336、720四个预测步长下的评价指标较主流方法表现优异，能够有效地建立数据间的长期依赖关系。
-
关键词
长期时序预测双重分解注意力机制前馈学习顺序特征
-
文章目录
1 ESDDNet时序预测模型
1.1 整体网络结构
1.2 趋势季节项分解
1.3 ESAttention
1.4 下采样模块
1.5 分解学习模块
2 实验结果与分析
2.1 数据集
2.2 参数设置
2.3 评价指标
2.4 实验结果
2.4.1 模型对比实验
2.4.2 模型消融实验
2.4.3 注意力机制对比实验
2.4.4 ESAttention模块的位置影响
3 结束语
-
引用格式
程倚宁,荣禹森,贾凡,等.融合ESAttention的双重分解长期时序预测网络[J/OL].太原理工大学学报,1-12[2025-03-08].http://kns.cnki.net/kcms/detail/14.1220.n.20250306.0941.004.html.
太原理工大学学报
