基于神经网络语言模型的时间序列趋势预测方法

来源：计算机工程杂志2019年第7期北京时间：

作者：王慧健, 刘峥, 李云, 李涛

单位：南京邮电大学 计算机学院, 南京 210046

摘要：对于时序数据的预测，传统方法多数通过分析历史数据预测出后面的一个或者多个具体值，但预测的具体数值准确率较低。为此，提出一种新的时间序列短期趋势预测方法。通过对时序数据进行离散化，用字符表示各个时间段数据的范围，并利用神经网络语言模型预测得到下一个字符，即下一段数据的范围。实验结果表明，与支持向量机、循环神经网络、随机森林等算法相比，在预测结果分为5个区间的情况下，该算法平均预测准确率为56.7%，具有较高的可行性，且由于字符表示带有语义信息，所得预测结果可以反映数据趋势以及趋势变化程度。

关键词：数据挖掘,时间序列预测,数据离散,长短时记忆,神经网络语言模型,深度学习

基金资助：江苏省自然科学基金面上项目（BK20171447）；江苏省高校自然科学研究面上项目（17JKB520024）；南京邮电大学引进人才科研启动基金（NY215045）。