国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于時間序列預(yù)測模型適用性量化的預(yù)測模型選擇方法

      文檔序號:8923022閱讀:800來源:國知局
      基于時間序列預(yù)測模型適用性量化的預(yù)測模型選擇方法
      【技術(shù)領(lǐng)域】
      [0001] 本發(fā)明涉及時間序列預(yù)測模型適用性量化評價指標體系。屬于時間序列預(yù)測模型 預(yù)測領(lǐng)域。
      【背景技術(shù)】
      [0002] 對于時間序列預(yù)測而言,預(yù)測結(jié)果的評價十分重要,是預(yù)測模型針對當前時間序 列的適用性的一種量化描述方式。然而,現(xiàn)有的時間序列預(yù)測研宄中,大多采用單一或少量 的幾個指標對預(yù)測模型輸出的預(yù)測結(jié)果進行評價,評價角度較為單一,無法實現(xiàn)對預(yù)測模 型性能的全面、綜合的評價和描述。因此,需要構(gòu)建一個時間序列預(yù)測模型適用性量化評價 指標體系,涵蓋不同的模型適用性評價角度、每個角度下涵蓋若干不同指標,構(gòu)建一個較為 完備的指標體系,為全面的模型適用性評價奠定基礎(chǔ)。該研宄暫時處于空白狀態(tài),因此本發(fā) 明創(chuàng)造主要為填補本空白而提出。

      【發(fā)明內(nèi)容】

      [0003] 本發(fā)明是為了解決現(xiàn)有的時間序列特性預(yù)測方法對預(yù)測模型輸出的預(yù)測結(jié)果預(yù) 測角度單一,無法實現(xiàn)對預(yù)測模型性能的全面、綜合的預(yù)測,導(dǎo)致預(yù)測效果差的問題?,F(xiàn)提 供基于時間序列預(yù)測模型適用性量化的預(yù)測模型選擇方法。
      [0004] 基于時間序列預(yù)測模型適用性量化的預(yù)測模型選擇方法,所述方法是基于m個預(yù) 測模型實現(xiàn)的,它包括以下步驟:
      [0005] 步驟一:根據(jù)每個預(yù)測模型的預(yù)測步長P、真實值xk和預(yù)測模型輸出結(jié)果%,獲得 各預(yù)測模型的誤差和預(yù)測效率,其中,誤差包括整體誤差、局部誤差、無量綱準則誤差和多 次試驗性能誤差,預(yù)測效率為對預(yù)測模型輸入時間序列到預(yù)測模型輸出結(jié)果所用的時間, 所用的時間越短,則預(yù)測模型效率越高;
      [0006] 步驟二:根據(jù)預(yù)測需求,在m個預(yù)測模型中,結(jié)合步驟一獲得各預(yù)測模型的誤差和 預(yù)測效率,選取滿足預(yù)測需求的最優(yōu)預(yù)測模型,若滿足預(yù)測需求的預(yù)測模型為一個預(yù)測模 型,則該預(yù)測模型為最優(yōu)預(yù)測模型,若滿足預(yù)測需求的預(yù)測模型為多個預(yù)測模型,則將多個 預(yù)測模型兩兩進行預(yù)測能力差異性檢驗,獲得一個最優(yōu)的預(yù)測模型。
      [0007] 本發(fā)明的有益效果為:通過整體誤差、局部誤差、無量綱準則誤差、多次試驗性能 誤差和預(yù)測模型預(yù)測效率對m個預(yù)測模型進行誤差檢驗,在m個預(yù)測模型中選取誤差和預(yù) 測效率最優(yōu)的預(yù)測模型,當某個預(yù)測模型的誤差和預(yù)測效率均最優(yōu),則該預(yù)測模型為最優(yōu) 預(yù)測模型,當最優(yōu)誤差的預(yù)測模型和最優(yōu)預(yù)測效率的預(yù)測模型不同時,將不同的最優(yōu)預(yù)測 模型進行預(yù)測能力差異性檢驗,從而獲得最優(yōu)的預(yù)測模型。其中,對預(yù)測模型進行了 6個角 度的預(yù)測,其中共計27個預(yù)測指標,為全面的模型適用性評價提供基礎(chǔ),建立了完善的評 價體系,實現(xiàn)對預(yù)測模型性能的全面、綜合的預(yù)測,同比現(xiàn)有的預(yù)測效果好5倍以上。
      【附圖說明】
      [0008] 圖1為【具體實施方式】一所述的基于時間序列預(yù)測模型適用性量化的預(yù)測模型選 擇方法的流程圖。
      【具體實施方式】
      【具體實施方式】 [0009] 一:結(jié)合圖1說明本實施方式,本實施方式所述的基于時間序列預(yù) 測模型適用性量化的預(yù)測模型選擇方法,所述方法是基于m個預(yù)測模型實現(xiàn)的,它包括以 下步驟:
      [0010] 步驟一:根據(jù)每個預(yù)測模型的預(yù)測步長P、真實值xk和預(yù)測模型輸出結(jié)果毛,獲得 各預(yù)測模型的誤差和預(yù)測效率,其中,誤差包括整體誤差、局部誤差、無量綱準則誤差和多 次試驗性能誤差,預(yù)測效率為對預(yù)測模型輸入時間序列到預(yù)測模型輸出結(jié)果所用的時間, 所用的時間越短,則預(yù)測模型效率越高;
      [0011] 步驟二:根據(jù)預(yù)測需求,在m個預(yù)測模型中,結(jié)合步驟一獲得各預(yù)測模型的誤差和 預(yù)測效率,選取滿足預(yù)測需求的最優(yōu)預(yù)測模型,若滿足預(yù)測需求的預(yù)測模型為一個預(yù)測模 型,則該預(yù)測模型為最優(yōu)預(yù)測模型,若滿足預(yù)測需求的預(yù)測模型為多個預(yù)測模型,則將多個 預(yù)測模型兩兩進行預(yù)測能力差異性檢驗,獲得一個最優(yōu)的預(yù)測模型。
      【具體實施方式】 [0012] 二:本實施方式是對一所述的基于時間序列預(yù)測模型 適用性量化的預(yù)測模型選擇方法作進一步說明,本實施方式中,步驟二中,將多個預(yù)測模型 兩兩進行預(yù)測能力差異性檢驗的過程:
      [0013] 采用差異性檢驗Diebold-Mariano對兩個預(yù)測模型進行預(yù)測能力差異性檢驗,輸 出兩個結(jié)果,分別為Diebold-Mariano統(tǒng)計量和假設(shè)機率p-value,
      [0014] 設(shè)兩個預(yù)測模型分別為第一預(yù)測模型和第二預(yù)測模型,當Diebold-Mariano統(tǒng)計 量為負,則第一預(yù)測模型的預(yù)測能力比第二預(yù)測模型的預(yù)測能力強;當Diebold-Mariano 統(tǒng)計量為為正,則第二預(yù)測模型的預(yù)測能力比第一預(yù)測模型的預(yù)測能力強;
      [0015] 假設(shè)機率p-value小于0. 05,貝丨」兩個預(yù)測模型間差異明顯,
      [0016] 假設(shè)機率p-value小于0. 01,則兩個預(yù)測模型間差異非常明顯。
      [0017] 本實施方式中,通過整體誤差和局部誤差的計算結(jié)果,來評價預(yù)測模型的準確度, 通過多次試驗性能誤差的計算結(jié)果,來評價預(yù)測模型的精確率,通過預(yù)測模型輸出結(jié)果所 用的時間,來評價預(yù)測模型的計算效率,通過無量綱準則誤差的計算結(jié)果,來評價預(yù)測模型 的準確度和建模的復(fù)雜度,通過預(yù)測模型預(yù)測能力的檢驗結(jié)果,來評價預(yù)測模型間的預(yù)測 能力。
      【具體實施方式】 [0018] 三:本實施方式是對一所述的基于時間序列預(yù)測模型 適用性量化的預(yù)測模型選擇方法作進一步說明,本實施方式中,整體誤差包括含符號絕對 誤差、無符號絕對誤差、含符號相對誤差和無符號相對誤差,
      [0019] 含符號絕對誤差由平均誤差ME組成,
      [0020] 平均誤差ME,用于預(yù)測預(yù)測模型的輸出結(jié)果相對于真實值偏大或偏小的平均程 度,
      [0021] 步驟一中,根據(jù)每個預(yù)測模型的預(yù)測步長P、真實值xk和預(yù)測模型輸出結(jié)果%,獲 得各預(yù)測模型的平均誤差ME的過程為:
      [0022] 根據(jù)公式:
      [0024] 獲得平均誤差ME,
      [0025] 式中,k表示預(yù)測時間序列的序號索引,取值范圍從1到P,表示第1個到第P個預(yù) 測點的序號,
      [0026] 某個預(yù)測模型的平均誤差ME的絕對值相對其他預(yù)測模型的平均誤差ME的絕對值 大,表示該預(yù)測模型殘余的誤差相對其他預(yù)測模型殘余的誤差多,即該預(yù)測模型的預(yù)測結(jié) 果大于或者小于真實值;
      [0027] 某個預(yù)測模型的平均誤差ME的絕對值相對其他預(yù)測模型的平均誤差ME的絕對值 小,則該預(yù)測模型的預(yù)測結(jié)果大于真實值和小于真實值的幾率相同,即沒有系統(tǒng)性預(yù)測偏 差;
      [0028] 平均誤差ME越接近0,即相應(yīng)預(yù)測模型均衡性越好;
      [0029] 無符號絕對誤差包括均方誤差MSE、均方根誤差RMSE、對數(shù)均方誤差MSEL和平均 絕對誤差MAE,
      [0030] 均方誤差MSE、均方根誤差RMSE、對數(shù)均方誤差MSEL和平均絕對誤差MAE,均用于 預(yù)測預(yù)測模型的輸出結(jié)果與真實值之間的偏差距離的平均數(shù)值,
      [0031] MSE用于預(yù)測預(yù)測模型的輸出結(jié)果與真實值之間的偏差距離平方的平均數(shù)值, RMSE和MSE均用于預(yù)測預(yù)測模型的輸出結(jié)果與真實值之間的偏差距離的平均數(shù)值,MSEL用 于預(yù)測預(yù)測模型的輸出結(jié)果與真實值對數(shù)尺度下偏差距離的平均數(shù)值;
      [0032] 步驟一中,根據(jù)每個預(yù)測模型的預(yù)測步長P、真實值xk和預(yù)測模型輸出結(jié)果足,獲 得各預(yù)測模型的均方誤差MSE的過程為:
      [0033] 根據(jù)公式:
      [0035] 獲得均方誤差MSE;
      [0036] 某個預(yù)測模型的均方誤差MSE的計算結(jié)果相對其他預(yù)測模型的計算結(jié)果大,則該 預(yù)測模型的預(yù)測結(jié)果與真實值的偏差大,即整體的偏差程度大,
      [0037] 某個預(yù)測模型的均方誤差MSE的計算結(jié)果相對其他預(yù)測模型的計算結(jié)果小,則該 預(yù)測模型的預(yù)測結(jié)果與真實值的偏差小,即預(yù)測結(jié)果接近真實值,
      [0038] 均方誤差MSE的計算結(jié)果取值為0,表明預(yù)測模型能夠給出完全準確的預(yù)測結(jié)果;
      [0039] 步驟一中,根據(jù)每個預(yù)測模型的預(yù)測步長P、真實值xk和預(yù)測模型輸出結(jié)果毛,獲 得各預(yù)測模型的均方根誤差RMSE的過程為:
      [0040] 根據(jù)公式:
      [0042] 獲得均方根誤差RMSE;
      [0043] 某個預(yù)測模型的均方根誤差RMSE的計算結(jié)果相對其他預(yù)測模型的計算結(jié)果大, 則該預(yù)測模型的預(yù)測結(jié)果與真實值的偏差大,即整體的偏差程度大,
      [0044] 某個預(yù)測模型的均方根誤差RMSE的計算結(jié)果相對其他預(yù)測模型的計算結(jié)果小, 則該預(yù)測模型的預(yù)測結(jié)果與真實值的偏差小,即預(yù)測結(jié)果接近真實值,
      當前第1頁1 2 3 4 5 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1