7、多元预测与神经科学社区讨论分析

多元预测与神经科学社区讨论分析

多元预测新方法

模糊时间序列与多元数据处理难题

模糊时间序列是一种数据驱动且非参数的预测方法，具有模型可读性强、简单且准确的特点。然而，对于复杂动态系统的多元时间序列数据，这类方法处理起来存在困难。

模糊信息粒模糊时间序列方法（FIG - FTS）

为简化多元清晰数据的处理，提出了模糊信息粒模糊时间序列方法（FIG - FTS）。具体步骤如下：
1. 为每个变量提供单独的论域划分方案。
2. 创建模糊信息粒 (G_i)，它是变量模糊集的组合。在模糊化阶段，通过为每个变量选择一个模糊集来按需创建每个 (G)。
3. 用单变量数据点替换每个多元数据点，该单变量数据点与相应的 (G) 相关联。

这种方法使得能够创建用于多元预测的高阶加权方法，其中每个 (G) 都包含所有变量的信息，可用于对一个或多个步骤后的所有变量进行预测。

实验评估

进行了计算实验来评估 FIG - FTS 方法的性能，并将该方法应用于洛伦兹吸引子（一个具有三个相互作用变量的复杂动态和混沌过程）的建模和预测。结果显示：
|预测步骤|变量|平均绝对百分比误差（MAPE）范围|
| ---- | ---- | ---- |
|一步预测|不同变量|1% - 4%|
|100 步预测|最差情况|高达 41%|

还使用了一个真实数据集（2012 年全球能源预测竞赛，包含四年的温度和能源负荷数据）来评估模型性能。结果表明：
|预测步骤|平均绝对百分比误差（MAPE）|
| ---- | ---- |