一种基于FARIMA-LSTM模型的频率序列预估方法

本申请公开了一种基于FARIMA‑LSTM模型的频率序列预估方法，先采集目标环境中的频段信号并进行预处理，将预处理的频段信号映射至(0,1)区间得到频率序列，将训练集数据输入至构建的FARIMA模型估计模型参数，根据模型参数生成残差序列，利用残差序列对构建的LSTM模型进行训练，将FARIMA模型和训练之后的LSTM模型结合，并将测试集数据输入FARIMA‑LSTM模型进行单步预测，评估模型性能并调整参数，将待预估信号生成频率序列后输入训练后的FARIMA‑LSTM模型进行单步或多步频率序列预测，输出单步或多步预估结果。通过FARIMA模型对频率时间序列进行分数差分处理，消除周期性分量对趋势预测的干扰，同时利用LSTM网络对FARIMA残差中的随机性、突发性及非线性动态特征进行深度挖掘，实现对频率序列的逐步预估。