长时序列高精准预测
融合LSTM时序依赖提取与自组织动态模糊网络结构，用于捕捉大规模时间序列中的复杂非线性模式并提升预测准确性。
Zhou, Kun · Sung-Kwun, Oh · 邱建龙 · Pedrycz, Witold · Seo, Kisung · Yoon, Jin-hee
IEEE Transactions on Fuzzy Systems 2024
在9个真实大规模时间序列数据集上的实验结果表明，该模型预测性能优于多种现有最优模型。
LSTM自动提取每个时间序列中的时序依赖关系，并学习其表示，无需手工特征工程。
FPN利用FCM聚类和基于LSE的多项式函数学习，能够捕捉数据空间中复杂的非线性模式。
基于精英主义的轮盘赌选择策略生成的自组织网络结构，能够解决多重共线性问题，并选择更好的预测神经元。