【pytorch】时间序列预测 —— 同时预测多个分位点

本文探讨了多步预测在时间序列分析中的应用,特别是在存在外部协变量且未来输入已知的情况下的优势。文章对比了单步预测与多步预测的适用场景,并介绍了使用PyTorch实现的多变量单步多分位点预测模型,详细展示了模型结构和损失函数。

部分参考

  • 《Multi-Horizon Time Series Forecasting with Temporal Attention Learning》
  • 《A Multi-Horizon Quantile Recurrent Forecaster》

这两篇文章考虑的是多步预测的情形,多步预测在有外部协变量且未来输入已知的情况下效果好一点,如果只有未知变量的历史值,还是考虑做单步预测吧!否则只能通过迭代地执行单步预测(导致误差累计)或者直接预测hhh步之后的值(误差大),效果不好,意义不大!

单变量单步预测的分位点损失

在这里插入图片描述

单变量多步预测的分位点损失

在这里插入图片描述

多变量多步预测的分位点损失

在这里插入图片描述

结果可视化

在这里插入图片描述

模型

该模型可实现变量单步分位点预测

import torch
import torch.nn as nn
import torch.nn.functional as F

class Model(nn.
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

颹蕭蕭

白嫖?

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值