基于结构化正则化的层次时间序列预测及其在人工神经网络中的应用
机器学习
2021-01-27 v1 机器学习
摘要
本文讨论层次时间序列的预测，其中每个上层时间序列由对适当的下层时间序列求和得到。此类层次时间序列的预测应当具有一致性，即上层时间序列的预测等于相应下层时间序列预测之和。以往的连贯预测方法包括两个阶段：首先计算基础(非连贯)预测，然后基于其固有的层次结构对这些预测进行协调。为了提高时间序列预测精度，我们提出了一种结构化正则化方法，用于同时完成这两个阶段。所提方法基于底层时间序列的预测模型，并使用结构化正则化项将上层预测纳入预测模型中。我们还开发了一种专门用于将该应用于时间序列预测的人工神经网络的反向传播算法。使用合成与真实世界数据集的实验结果证明了我们的方法在预测精度和计算效率方面的优越性。
引用
@article{arxiv.2007.15159,
title = {Prediction of hierarchical time series using structured regularization and its application to artificial neural networks},
author = {Tomokaze Shiratori and Ken Kobayashi and Yuichi Takano},
journal= {arXiv preprint arXiv:2007.15159},
year = {2021}
}