关于函数型时间序列预测中的投影方法
统计方法学
2021-05-11 v1 机器学习
摘要
我们提出两种用于预测函数型时间序列（FTS）的非参数方法。我们所观测的 FTS 是离散时间点上的曲线。我们同时处理一步向前预测与动态更新。动态更新是对最新曲线中未观测段的前向预测。在两种提出的方法中，第一种是将用于单变量时间序列预测的 近邻方法直接适配到 FTS。第二种基于一组称为\emph{曲线包络}的曲线选择，旨在形状与幅度上代表最新的函数型观测，无论是整条曲线还是部分观测曲线的已观测部分。类似于成功用于时间序列预测的 近邻及其他投影方法，我们“投影” 近邻与包络中的曲线以进行预测。在此过程中，我们追踪曲线在下一周期的演化。这些方法应用于模拟数据、每日电力需求与氮氧化物排放，并提供与若干基准预测相比具竞争力且常更优的结果。该方法为基于 FTS 建模以研究许多 FTS 周期或季节行为的统计方法提供了一种无模型替代方案。
引用
@article{arxiv.2105.04399,
title = {On projection methods for functional time series forecasting},
author = {Antonio Elías and Raúl Jiménez and Hanlin Shang},
journal= {arXiv preprint arXiv:2105.04399},
year = {2021}
}