G-NM：一组数值时间序列预测模型

Juyoung Yun

G-NM：一组数值时间序列预测模型

机器学习 2023-12-04 v5 人工智能

作者: Juyoung Yun

摘要

在本研究中，我们专注于开发并实现一组综合的数值时间序列预测模型集成，统称为数值时间序列预测模型组 (G-NM)。这一包容性集合包含传统模型如自回归积分滑动平均 (ARIMA)、Holt-Winters 方法和支持向量回归 (SVR)，以及现代神经网络模型包括循环神经网络 (RNN) 和长短期记忆 (LSTM)。G-NM 被明确构建以增强我们对复杂自然现象中固有模式与趋势的预测能力。通过利用与这些事件相关的时间序列数据，G-NM 有助于在较长时间范围内预测此类现象。本研究的主要目标是增进我们对这类事件的理解并显著提升预测精度。G-NM 囊括了时间序列数据中存在的线性和非线性依赖、季节性与趋势。这些模型各自贡献独特优势，从 ARIMA 处理线性趋势和季节性的韧性，SVR 捕捉非线性模式的能力，到 LSTM 对时间序列数据各组分建模的适应性。通过挖掘 G-NM 的潜力，我们力求推进大规模时间序列预测模型的技术水平。我们预期本研究将成为我们持续理解和预测构成自然世界的复杂事件征程中的重要垫脚石。

关键词

时间序列预测集成模型 ARIMA SVR LSTM 数值预测

引用

@article{arxiv.2306.11667,
  title  = {G-NM: A Group of Numerical Time Series Prediction Models},
  author = {Juyoung Yun},
  journal= {arXiv preprint arXiv:2306.11667},
  year   = {2023}
}

备注

Not Completed Paper

G-NM：一组数值时间序列预测模型

摘要

关键词

引用

备注

相关论文