神经网络多步时间序列预测方法解析
1. 引言
人工神经网络(ANNs)在时间序列预测领域极具潜力。其模型自由的特性以及对线性和非线性时间序列的建模能力,让预测者受益颇多。在进行多步预测时,有三种主要方法可供选择:
- 联合法(Joint Method) :使用单个网络对所有预测期进行预测。
- 独立法(Independent Method) :为每个预测期分别构建专用网络进行预测。
- 迭代法(Iterative Method) :使用单步预测模型迭代生成多步预测。
独立法的优势在于为每个预测期专门构建模型,不同预测期的模型在滞后项、线性/非线性特征以及估计参数等方面可能存在显著差异。联合法的优势则是可以在不同预测期之间共享参数,基于更高的自由度可能得到更准确的参数估计。
2. 背景
2.1 神经网络在时间序列预测中的应用
前馈人工神经网络在时间序列预测领域有广泛应用,它能建模任意线性和非线性函数,且无需太多先验假设。然而,其灵活性也导致应用方法存在较大差异,研究结果不一致,许多文章在使用神经网络进行预测时缺乏严谨性。
2.2 神经网络用于时间序列预测的特点
- 非线性建模能力 :能处理线性和非线性时间序列,这在实际数据中非常重要,例如M - 3竞赛数据集中约25%的序列存在非线性特征。
- 模型自由 :无需事先确定函数模型形式,可同时进行参数