安康市科技计划项目《LSTM 混合模型的金融时间序列分析预测研究》研究的目标和内容：以安康市为例，分析研究该地区金融时间序列数据的变化趋势，并通过深度学习在金融时间序列数据中的趋势预测研究，将长短时记忆神经网络应（LSTM）用于安康经济可持续发展与城市建设的分析与预测中，为各地区经济可持续发展，合理分配资源提供参考价值。

本项目的创新之处：

设计出多层LSTM金融时间序列数据预测模型。通过对单一的LSTM模型进行改进，使现有的模型在金融时间序列数据预测中可以更好地提取数据本身的趋势特征，对比于单一的LSTM模型，在预测性能上有所提高。 

构建一种基于多层LSTM与集成学习算法相结合的多功能金融时间序列数据预测的混合模型。该模型进一步提高多层LSTM模型在金融时间序列数据预测中的预测性能，为企业的资产管理等提供一定的参考价值。

项目执行期内，课题组根据项目任务，借鉴深度学习算法在金融时间序列数据中应用的成功经验，以安康市为例，分析研究该地区金融时间序列数据的变化趋势，并通过深度学习在金融时间序列数据中的趋势预测研究，将长短时记忆神经网络（LSTM）应用于安康经济可持续发展与城市建设的分析与预测中，为各地区的经济可持续发展、合理分配资源提供参考价值。

该项目研究提出LSTM混合模型在地区绿色经济中的研究有一定的必要性。为地区的自然灾害现象预测、基础经济建设以及绿色产业发展起到一定的积极作业。有一定的突破和创新。

项目阶段性成果——2篇公开发表论文

（1）基于 LSTM 混合模型的时间序列预测[J]. 长江信息通信，2022（11）

（2）基于LSTM神经网络金融时间序列预测模型构建要点探究[J].计算机产品与流通，2022（11）