decompDL：基于分解的时间序列深度学习模型预测

混合模型是将分解和深度学习技术相结合以提高时间序列预测准确性的最有前途的预测方法。每种分解技术都将时间序列分解为一组固有模式函数（IMF），并使用深度学习模型分别对获得的IMF进行建模和预测。最后，将所有IMF的预测组合起来，为时间序列提供集合输出。根据均方根误差、平均绝对百分比误差和平均绝对误差等评价标准，利用玉米国际月价格序列计算了所开发模型的预测能力。有关方法的详细信息，请参见Choudhary，K.等人（2023）<https://ssca.org.in/media/14_SA44052022_R3_SA_21032023_Girish_Jha_FINAL_Finally.pdf>.

版本： 0.1.0
取决于： R（≥2.10）
进口： 珊瑚礁,张量流,网状的,雏鸡，统计，生物遗传学，实用程序，图形，马格里特,里比默德,TS深度学习,VM分解
出版： 2023-12-04
内政部： 10.32614/CRAN.包装.decompDL
作者： 卡皮尔·乔达里[aut，cre]，Girish Kumar Jha【aut，ths，ctb】，罗尼特·贾斯瓦尔，拉杰夫·兰扬·库马尔
维护人员： 卡皮尔·乔德哈里（Kapil Choudhary）
许可证： GPL-3公司
需要编译： 不
CRAN检查： 解压缩DL结果

文档：

参考手册： 解压缩DL.pdf

下载内容：

包源： 解压缩DL_0.1.0.tar.gz
Windows二进制文件： r-devel公司：解压缩DL_0.1.0.zip，r版本：解压缩DL_0.1.0.zip，r-oldrel：解压缩DL_0.1.0.zip
macOS二进制文件： r释放（arm64）：解压缩DL_0.1.0.tgz，r-oldrel（arm64）：解压缩DL_0.1.0.tgz，r-release（x86_64）：反编译DL_0.1.0.tgz，r-oldrel（x86_64）：解压缩DL_0.1.0.tgz

链接：

请使用规范形式https://CRAN.R-project.org/package=decompDL链接到此页面。