发明 一种基于吸A融合模型的时间序列数据预测方法、装置及计算机设备
人工智能 深度学习 天气预测 交通预测 【人工智能 深度学习 天气预测 交通预测】 深度学习 机器学习 天气预测 交通预测 时间序列预测 时间序列 时间预测 【深度学习 机器学习 天气预测 交通预测 时间序列预测 时间序列 时间预测】 3人
G06Q10/04 G06Q50/26 G06N3/04 G06N3/08
摘要：本发明时间序列预测技术领域，具体涉及一种基于CGA融合模型的时间序列数据预测方法、装置及计算机设备；该方法包括：获取历史目标数据，对历史目标数据进行预处理，得到预处理后的历史目标数据；将预处理后的历史目标数据输入到构建好的CGA融合模型中，得到目标数据的时序预测结果，根据时序预测结果对未来的交通流量进行控制；本发明结合堆叠式和并行式融合了多通道多尺度卷积神经网络和门控循环单元网络，并且以残差的方式结合多通道多尺度卷积神经网络、门控循环单元网络和自回归模型，降低了模型的训练难度，并且避免了卷积结构和GRU结构导致的原始信息丢失，从而进一步提高预测精度。
