基于并行多尺度卷積記憶殘差網(wǎng)絡(luò)的物聯(lián)網(wǎng)流量預(yù)測(cè)

打開文本圖片集

【摘   要】  針對(duì)現(xiàn)有物聯(lián)網(wǎng)流量預(yù)測(cè)方法中特征提取不足、丟失重要信息、預(yù)測(cè)準(zhǔn)確度不高的問題，提出了一種基于并行多尺度卷積記憶殘差網(wǎng)絡(luò)的物聯(lián)網(wǎng)流量預(yù)測(cè)方法。首先，采用并行結(jié)構(gòu)，CNN提取多尺度的局部特征得到包含有局部特征的序列，LSTM和BiLSTM分別提取前向的時(shí)間關(guān)系和前后向的時(shí)間關(guān)系得到有合適比例的前后向時(shí)間特征序列；其次，引入ResNet結(jié)構(gòu)，在CNN、LSTM、BiLSTM的輸入和輸出之間加入跳躍連接，即通過跳躍連接在特征序列中加入原始序列信息；再次，在有原始信息的特征序列中分配可訓(xùn)練的權(quán)重參數(shù)，突出相應(yīng)序列的重要性，進(jìn)行拼接得到總的輸出序列；最后，將總的輸出序列輸入到全連接網(wǎng)絡(luò)中得到預(yù)測(cè)結(jié)果。（剩余15161字）