基于自注意力移动平均线的时间序列预测

摘要：

时间序列预测有广阔的应用前景,吸引了越来越多的研究人员对其进行深入的研究.移动平均线是最常用的技术指标之一,它可以对过去一段时间内时间序列的整体变化规律进行概括,常常用来进行时间序列趋势预测.然而,传统的移动平均线指标是通过赋予时间序列数据相等或预定义的权重计算得到的,忽略了不同时间点重要性的细微差别;另外,对于不同的时间序列数据采用相同的权重,忽视了不同时间序列内在特性的差异.为了解决上述问题,提出一个自适应的自注意力移动平均线(Self?Attentive Moving Average,SAMA)指标.利用循环神经网络对时间序列的输入信号进行编码后,引入自注意力机制来自适应地确定不同时间点上数据的权重以计算移动平均值.此外,还使用多个自注意头对不同尺度的SAMA指标进行建模,最后将它们组合起来进行时间序列预测.在两个真实数据集上的大量实验证明了该方法的有效性,数据集和代码已在https:∥github.com/YY?Susan/SAMA上发布.

关键词：时间序列预测、自注意力机制、移动平均线、多尺度指标融合

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;山东省自然科学基金

在线出版日期：2022-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：649-657