A hybrid PCA-ICA and multi-level feature scaling framework with bidirectional LSTM-GRU architecture improves multivariate time series forecasting accuracy

Abstract Precise multivariate time series (MTS) forecasting, particularly in atmospheric applications like air quality monitoring, is still a challenging task because of high dimensionality, temporal correlations, and non-stationary interactions between features. The classical methods such as Auto R...

முழு விளக்கம்

நூற்பட்டியல் விவரங்கள்

முதன்மை ஆசிரியர்கள்:	Yuvaraja Boddu, A. Manimaran, Jayanth Talabathula, M. Sucharitha
வடிவம்:	Artigo
மொழி:	Inglês
வெளியிடப்பட்டது:	Nature Portfolio 2026-05-01
தொடர்:	Scientific Reports
பொருள்கள்:	Multivariate time series forecasting Hybrid feature scaling PCA-ICA dimensionality reduction Bi-LSTM-GRU neural network Component-wise inverse projection
ஆன்லைன் அணுகல்:	https://doi.org/10.1038/s41598-026-51868-2
குறிச்சொற்கள்:	குறிச்சொல்லை சேர்க்கவும் டாக்‌ஸ் இல்லை, இந்த பதிவுக்கு குறிச்சொல் சேர்க்கும் முதல் நபராக இருங்கள்!