用于多步时间序列预测的 PSO-MISMO 建模策略
人工智能
2014-01-03 v1 机器学习
神经与进化计算
机器学习
摘要
多步时间序列预测是时间序列建模与预测领域最具挑战性的研究课题之一，持续受到广泛关注。近年来，多输入多输出（MISMO）建模策略被提出作为多步时间序列预测的一种有前景的替代方案，相较于当前占主导地位的迭代策略和直接策略展现出优势。在既有的 MISMO 策略基础上，本研究提出了一种基于粒子群优化（PSO）的 MISMO 建模策略，该策略能够以自适应模式确定子模型数量，并适应变化的预测视界。不同于从既有 MISMO 策略中推导具有等长预测视界的清晰划分，所提出的 PSO-MISMO 策略结合神经网络实现，采用启发式方法创建具有可变长度预测视界的灵活划分，并生成相应的子模型，从而在模型构建中提供显著的灵活性；该方法已在模拟数据集和真实数据集上得到验证。
引用
@article{arxiv.1401.0104,
title = {PSO-MISMO Modeling Strategy for Multi-Step-Ahead Time Series Prediction},
author = {Yukun Bao and Tao Xiong and Zhongyi Hu},
journal= {arXiv preprint arXiv:1401.0104},
year = {2014}
}
备注
14 pages. IEEE Transactions on Cybernetics. 2013