Abstract：
针对某时刻存在异常的序列数据，首先建立添加异常值或干预效应的ARIMA (Autoregressive Integrated Moving Average)模型，之后应用LSTM (Long-Short Term Memory)模型对ARIMA模型残差序列进行深度学习。通过对波动较为明显的股票收盘价格日度数据和受“新冠”疫情影响的公路货运量序列数据进行实证分析，证实该模型在对某时刻发生不同程度突变的试验数据进行预测时，能够明显提高预测精度。
Keyword：
Reprint Author's Address：
Email：
Source ：
河北工业大学学报
Year： 2023
Issue： 02
Volume： 52
Page： 28-34
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 5
Affiliated Colleges：
