A Hybrid Forecasting Model for Time Series Data Based on LSTM and ARIMA论文内容

本文介绍了一种基于LSTM和ARIMA的混合预测模型，用于时间序列数据的预测。该模型在传统的ARIMA模型的基础上，引入了LSTM神经网络，以提高预测精度。该模型首先使用ARIMA模型对时间序列进行建模，然后使用LSTM网络对残差进行建模。最后，将ARIMA模型和LSTM网络的预测结果结合起来，得到最终的预测结果。为了验证该模型的有效性，本文使用了三个不同的时间序列数据集进行实验。实验结果表明，该模型相比于传统的ARIMA模型和LSTM模型，具有更高的预测精度和更好的稳定性。