×

基于奇异值分解的时空序列分解模型ST-SVD

消耗积分:0 | 格式:pdf | 大小:2.53 MB | 2021-03-23

分享资料个

　　针对传统时空序列建模过程中估计空间权重矩阵时难度较髙的冋题，提岀一种基于奇异值分解（SVD）的时空序列分解模型ST-sSVD。对原始时空序列矩阵进行平稳性检测并中心化为零均值平稳时空序列，在假设时间和空间没有交互作用的前提下，利用SVD技术将时空序列分解为空间模式、时间模式以及模式强度的乘积，通过ARIMA模型对平稳的时间模式进行建模并得到其预测结果，在此基础上，将时间模式的预测结果与分解得到的空模式相结合，利用SVD技术对真实的时空序列进行重建，得到各点的最终预测结果。实验结果表明，与ARIMA、 Lasso-VAR、LSTM和 STARMA模型相比，sT-SVD模型的训练时间成本降低50%以上，预测精度提升10%以上，其在实际工程应用中能够有效完成时空序列预测任务。

下载并关注上传者 开通VIP，低至0.08元下载/次

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !