时间序列预测 | LSTM序列预测及CNN-LSTM序列预测对比

---

文章概述

LSTM序列预测及CNN-LSTM序列预测对比
针对一段时间内空气污染数据集，我们采用「LSTM」和「CNN-LSTM」两个方法进行训练预测，对比该数据集下不同算法的预测能力。

两个算法在相同「特征选择PCA降维」、「VMD去噪」、「VMD序列分解」和「PSO粒子群优化算法」的条件下，采用「直接预测」，训练输入的历史序列点数规定为10，多步预测滚动次数为2,其中学列分解数为3，算法的进化数和种群数为2，我们绘制效果显示图如下：

对比两个算法结果，不难看出在这段数据集中，CNN-LSTM较于LSTM预测结果更好，不同误差的最终值更低，预测结果更精确。

参考资料

[1] Eric A. Wan, Rudolph van der Merwe. The Unscented Kalman Filter for Nonlin