《表1 不同时间窗口长度与LSTM网络隐藏层数各项指标均值》
注:加粗部分为结果最佳的项。
Chen K,et al.(2015)指出,增加LSTM网络隐藏层数能够增强对序列特征的提取能力、提高模型预测精度。[19]彭燕等(2019)的实验结果表明,过度增加网络深度对预测准确率提升效果并不明显,反而会增加计算冗余度、延长模型训练时间。[20]由杨青和王晨蔚研究成果可知,对于未来1天交易日的大豆期货收盘价,前60天的交易数据已经包含了足够的信息,因此对应的时间窗口长度不必过长。笔者分别构建1~3层LSTM网络模型对不同时间窗口长度w(10~50)进行测试实验,并将5次实验结果得到的各项指标平均值作为最终指标标准,通过比较来确定网络层数结构及最佳窗口大小。不同时间窗口长度与LSTM网络隐藏层数对应的各项指标均值如表1所示,其中各项误差指标数据均由反归一化数据计算得到。
图表编号 | XD00200515600 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.15 |
作者 | 范俊明、刘洪久、胡彦蓉 |
绘制单位 | 浙江农林大学、浙江农林大学、浙江农林大学 |
更多格式 | 高清、无水印(增值服务) |