时间序列预测方法综述

被引：571

作者：

杨海民 ^{[1
]}

潘志松 ^{[2
]}

白玮 ^{[2
]}

机构：

[1] 陆军工程大学研究生院

[2] 陆军工程大学指挥控制工程学院

来源：

计算机科学 | 2019年 / 46卷 / 01期

基金：

国家重点研发计划;

关键词：

时间序列; 时间序列预测; 机器学习; 在线学习;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习]; O211.61 [平稳过程与二阶矩过程];

学科分类号：

070103 [概率论与数理统计]; 140502 [人工智能];

摘要：

时间序列是按照时间排序的一组随机变量,它通常是在相等间隔的时间段内依照给定的采样率对某种潜在过程进行观测的结果。时间序列数据本质上反映的是某个或者某些随机变量随时间不断变化的趋势,而时间序列预测方法的核心就是从数据中挖掘出这种规律,并利用其对将来的数据做出估计。针对时间序列预测方法,着重介绍了传统的时间序列预测方法、基于机器学习的时间序列预测方法和基于参数模型的在线时间序列预测方法,并对未来的研究方向进行了进一步的展望。

引用

页码：21 / 28

页数：8

共 19 条

[1]

A review of unsupervised feature learning and deep learning for time-series modeling.[J].Martin Längkvist;Lars Karlsson;Amy Loutfi.Pattern Recognition Letters.2014,

[2]

Time series forecasting using a deep belief network with restricted Boltzmann machines.[J].Takashi Kuremoto;Shinsuke Kimura;Kunikazu Kobayashi;Masanao Obayashi.Neurocomputing.2014,

[3]

Least squares support vector machine for short-term prediction of meteorological time series [J].