基于分段迭代的可变长时间序列预测模型

摘要： 针对现有的基于循环神经网络（RNN）的模型在处理时间序列预测任务时存在的复杂度高、信息遗忘和误差累积的问题以及现有的预测模型难以匹配动态变化的数据长度的问题，提出一种基于分段迭代的可变长时间序列预测模型PatchRNN。该模型使用子序列分割方法将时间序列分割为多个相对短的子序列片段，使用门控循环单元（GRU）进行循环迭代，从而有效地降低RNN模型的迭代次数，并显著提高预测的准确... （共6页）