滑动窗口签名用于时间序列：电力需求预测中的应用
统计方法学
2025-10-15 v1 机器学习
摘要
非线性和延迟效应常常使时间序列预测变得困难。为此，我们提出一种基于滑动窗口上计算的签名特征的岭回归预测框架。这些特征无需依赖学习或人工设计的表示，即可捕捉复杂的时间动态。我们聚焦于离散时间设置，建立了理论保证，即签名的近似普遍性和平稳性。我们引入一种高效的顺序算法，用于在滑动窗口上计算签名。该方法在合成数据和真实电力需求数据上进行评估。结果表明，签名特征有效地编码了时序和非线性依赖，生成的预测准确率竖争基于专家知识的预测方法。
引用
@article{arxiv.2510.12337,
title = {Sliding-Window Signatures for Time Series: Application to Electricity Demand Forecasting},
author = {Nina Drobac and Margaux Brégère and Joseph de Vilmarest and Olivier Wintenberger},
journal= {arXiv preprint arXiv:2510.12337},
year = {2025}
}