12、神经网络多步时间序列预测方法解析

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