用于多变量时间序列预测的动力学系统模型：以维基百科流量为例
动力系统
2020-01-29 v2 社会与信息网络
摘要
VAR、ARIMA、Holt-Winters 等模型常用于多变量时间序列的短期预测。本文考虑借助具有相对简单极限行为的动力学系统所构造的模型。通过切换相轨线中不同轨迹，我们获得了高精度的预测。此外，动力学系统方法提供了模型相 portrait 的全局定性图像，并使我们能够讨论该过程的多维模式与长期性质。简单的极限行为使我们能够将不同趋势与受外部因素影响的、过程的不同实现情景相关联。我们使用维基百科的读者、贡献者与编辑流量为例来展示这些思想。首先，我们考虑二维模型，预测读者与编辑的流量。其预测精度高于二维 VAR 预测。不同趋势（对应于不同不动点）可与平台的不同激励机制相关联。随后，加入贡献者数据，我们讨论三维模型（比三维 VAR 更精确）。它比二维动力学模型能对编辑量提供更准确的短期预测。全局图像显示，新编辑的数量在未来趋于下降，而新贡献者与读者的数量在长期内将会增长。
引用
@article{arxiv.1912.06939,
title = {Dynamical systems' models for the prediction of multi-variable time series. Wikipedia's traffic example},
author = {Victoria Rayskin},
journal= {arXiv preprint arXiv:1912.06939},
year = {2020}
}