数据压缩技术在时间序列预测中的应用
信息论
2019-04-09 v1 math.IT
应用统计
摘要
在本研究中，我们表明标准且广为人知的文件压缩程序（zlib、bzip2等）能够很好地预测真实世界的时间序列数据。我们方法的优势在于能够使用一组的数据压缩算法，并在预测过程中“自动”选择其中最优的一个。此外，现代数据压缩器能够利用某些人工智能方法发现多种潜在的规律性（例如，某些数据压缩器基于寻找描述时间序列的最小形式文法）。因此，我们的方法使得将某些特定的人工智能方法应用于时间序列预测成为可能。作为所提方法的应用示例，我们使用标准压缩器对月度T指数和Kp指数时间序列进行了预测。在这两种情况下，我们均使用平均绝对误差（MAE）作为精度度量。对于月度T指数时间序列，我们对2011年1月至2017年7月每个月的可用数据之外进行了18步预测。我们表明，与澳大利亚气象局做出的预测相比，我们的方法在单步预测上更准确。Kp指数时间序列由0到9的3小时值组成。对于2018年2月4日至2018年3月28日的每一天，我们进行了24步预测。我们将我们的预测与空间天气预报中心（SWPC）的预测进行了比较。结果表明，我们方法的精度与SWPC方法的精度相近。与前述情况一样，我们也获得了更精确的单步预测。
引用
@article{arxiv.1904.03825,
title = {Application of data compression techniques to time series forecasting},
author = {K. S. Chirikhin and B. Ya. Ryabko},
journal= {arXiv preprint arXiv:1904.03825},
year = {2019}
}
备注
Accepted. International Symposium on Forecasting, 2019