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，