在对虾池塘水质预测的状态空间模型中强制均值回归
应用统计
2020-02-27 v1
摘要
本研究的贡献是一种在状态空间模型的多步向前预测中引入均值回归的新方法。该方法在对虾池塘水质预测应用中得到演示。均值回归通过将预测逐渐拉向先前观测动态的均值来约束预测。这修正了由混沌、非线性和随机趋势等不规则性引起的预测偏差。该方法的主要特点包括：（1）强制均值回归；（2）提供对短期和长期动态建模的手段；（3）能够将均值回归应用于选定的结构状态空间分量；（4）易于实现。我们的均值回归方法在各种状态空间模型上进行了演示，并在对虾池塘水质数据集上与若干时间序列模型进行比较。结果表明，均值回归将长期预测误差降低超过 60%，从而产生了比较中最准确的模型。
引用
@article{arxiv.2002.11228,
title = {Enforcing Mean Reversion in State Space Models for Prawn Pond Water Quality Forecasting},
author = {Joel Janek Dabrowski and Ashfaqur Rahman and Daniel Edward Pagendam and Andrew George},
journal= {arXiv preprint arXiv:2002.11228},
year = {2020}
}