wujing1_1的博客

M4竞赛延续了前三届M竞赛，其目的是从经验证据中学习如何提高预测精度，以及如何利用这种学习来推进预测的理论和实践。M4的目的是通过以下方式复制和扩展前三届比赛：(a)显著增加系列的数量，(b)扩大预测方法的数量，©在评估过程中包括预测间隔和点预测。本文详细介绍了M4的各个方面，包括它的组织和运行、结果的介绍、总体上和按类别划分的最优秀的方法、它的主要发现及其含义，以及各种方法的计算要求。最后，总结了该系列的主要结论，并期望该系列将成为评价新方法和改进预测实践的试验场，同时也提出了该领域的一些前进方向。

时间序列分析在天气预报、异常检测、行为识别等广泛应用中具有重要意义。本文重点研究了时间变化建模，这是广泛分析任务的共同关键问题。以往的方法试图直接从一维时间序列中完成这一任务，但由于复杂的时间模式，这是极具挑战性的。在观测时间序列多周期的基础上，我们将复杂的时间变化分解为多重的周期内和周期间变化。为了解决一维时间序列在表示能力上的局限性，我们将一维时间序列转化为一组基于多个周期的二维张量，从而将时间变化的分析扩展到二维空间。