该文提出了一种基于双向长短期记忆网络(Bi-LSTM)的时间序列数据预测方法.该方法结合了前向LSTM和后向LSTM的优势,能够同时捕捉数据中的前后文信息,有效提取时间序列数据中的长期依赖关系.将某沿海城市的港口货物吞吐量和某地区气象数据作为数据集进行实验证明,相较于传统的长短期记忆网络(LSTM)模型,Bi-LSTM模型在均方误差(MSE)、平均绝对误差(MAE)和均方根误差(RMSE)等指标上均取得了更优的性能.例如,在港口货物吞吐量数据集上,MSE、MAE和RMSE这三个指标的检测均优于LSTM模型.此外,Bi-LSTM模型还被用于某地区天气数据的预测.综上所述,Bi-LSTM在数据预测领域具有广阔的应用前景.
NETL
NSTL
万方数据
