来源：期刊VIP网 时间：
作者：周志轩;陈仲民;邓君丽;
单位：华中农业大学信息学院;
摘要：采用一种结合压缩感知（compressive sensing, CS）和深度学习的组合模型，利用CS算法的正交匹配追踪（orthogonal matching pursuit, OMP）算法和深度学习模型的长短期记忆（long short-term memory, LSTM）模型，基于近年来可能存在噪声的农产品价格原始数据，通过稀疏表示、设计观测矩阵、信号重构等对原始数据降噪，进而结合降噪后的重构数据与LSTM模型对农产品价格趋势进行预测。该组合模型具有对数据存储要求低、对微小噪声不敏感等优势，与支持向量回归（support vector regression, SVR）传统模型相比，预测数据的精确度高约13%，与其他模型相比也具有较高精确度，在1 a的时间跨度内能够取得较传统模型更准确的预测效果。
关键词：压缩感知;;正交匹配追踪;;深度学习;;长短期记忆;;组合模型;;价格预测
基金资助：中央高校基本科研业务费专项资金资助项目(编号:2662019YJ003)
