DeepCAR方法：预测含变点的时间序列数据
机器学习
2023-02-23 v1 人工智能
统计方法学
摘要
经典统计学中已知许多时间序列预测方法，如自回归、移动平均和指数平滑。DeepAR框架是一种基于深度学习的新型近期时间序列预测方法。DeepAR已经展现出非常有前景的结果。然而，时间序列常含有变点，这可能大幅降低DeepAR的预测性能。本文通过检测并纳入这些变点，对DeepAR框架进行了扩展。我们表明，在无变点时我们的方法与标准DeepAR表现相当，而在有变点时表现明显更优。更一般地，我们表明批大小(batch size)为处理DeepAR、Transformer及其他现代预测模型中的变点提供了一种有效且出奇简单的方式。
引用
@article{arxiv.2302.11241,
title = {The DeepCAR Method: Forecasting Time-Series Data That Have Change Points},
author = {Ayla Jungbluth and Johannes Lederer},
journal= {arXiv preprint arXiv:2302.11241},
year = {2023}
}