基于轨迹相似度的时间序列点预测与区间预测综述及交通流预测实验研究
机器学习
2023-09-20 v1 软件工程
统计计算
摘要
本文旨在综述基于轨迹相似度的时间序列预测问题。介绍并研究了多种方法，并就超参数优化、离群值处理和距离度量提供了详细讨论。所提出的新方法涉及相似轨迹选择与候选预测集成两方面的变体。在形成通用框架后，开展实验研究，将使用相似轨迹的方法与文献中其他一些标准模型（如 ARIMA 和随机森林）进行比较。最后，将预测设定扩展至区间预测，并将相似轨迹方法得到的预测区间与文献中已有模型（如历史模拟与分位数回归）进行比较。全文通过来自加州 PEMS 数据集的交通流时间序列进行实验与比较。
引用
@article{arxiv.2309.10612,
title = {An Extendable Python Implementation of Robust Optimisation Monte Carlo},
author = {Vasilis Gkolemis and Michael Gutmann and Henri Pesonen},
journal= {arXiv preprint arXiv:2309.10612},
year = {2023}
}
备注
the publication is based on the manuscript of MSc. thesis arXiv:2011.03977