数字技术与应用杂志社

摘要：<正>传统预测模型受限于自身架构与算法原理，在面对复杂多变、特征交错的时间序列时，难以精准洞察其中微妙且复杂的特征，致使预测结果与实际情况偏差较大。因此，本文聚焦变分模态分解（VMD）与长短期记忆网络（LSTM）模型在案件时序数据处理中的应用，在降噪方面表现卓越，可以有效去除噪声干扰，在预测优化上显著优于LSTM、ARIMA及VMD-ARIMA等对比模型，为司法领域案件时序数据的高效处理提供了有力支持。

基金资助： 教育部人文社会科学研究规划基金项目“大数据驱动的司法知识表示与建模研究”(22YJAZH072)；

专辑： 信息科技;社会科学Ⅰ辑

专题： 诉讼法与司法制度;自动化技术

分类号： TP183;D916