基于自编码器的神经网络聚合传递时间序列压缩算法

作     者：李易霖 王成群 

作者机构：浙江理工大学信息科学与工程学院 

出 版 物：《电子科技》 (Electronic Science and Technology)

年 卷 期：2025年

学科分类：12[管理学] 02[经济学] 07[理学] 08[工学] 070103[理学-概率论与数理统计] 0202[经济学-应用经济学] 020208[经济学-统计学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0714[理学-统计学（可授理学、经济学学位）] 0811[工学-控制科学与工程] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：浙江省重点研发计划(2021C01047) 

主　　题：自编码器 神经网络 时间序列 数据压缩 深度学习 LSTM 压缩率 数据降维 

摘      要：针对智能机器、物联网设备和传感器对时间序列数据的收集和传输需求增加导致多维时间序列占据大量存储资源问题，文中提出了一种基于自编码器的时间序列压缩算法。基于长短期记忆神经网络(Long Short-Term Memory， LSTM)构建编码器和解码器，编码器对输入数据进行降维以实现压缩，并通过多层神经网络聚合结构将数据压缩后的表示进行压缩量调整，以进一步降低多维时间序列的数据损失，增强算法在解码器端对数据的重构精度。在公开时间序列数据集上对所提压缩算法进行实验评估，结果表明在最大允许误差为0.2内能够达到0.15的压缩率。