一種基于定量篩選時(shí)間序列預(yù)測(cè)模型的時(shí)間序列預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于時(shí)間序列預(yù)測(cè)模型的定量選擇領(lǐng)域。
【背景技術(shù)】
[0002] 時(shí)間序列預(yù)測(cè)模型與時(shí)間序列特性之間的匹配程度決定了預(yù)測(cè)效果，因此需要針 對(duì)時(shí)間序列為其選擇適合的時(shí)間序列預(yù)測(cè)模型進(jìn)行預(yù)測(cè)分析。然而，在現(xiàn)有研究中，主要基 于經(jīng)驗(yàn)或少量的實(shí)驗(yàn)進(jìn)行預(yù)測(cè)模型的選擇，在選擇過程中主觀因素影響較多，并且即使采 用實(shí)驗(yàn)方式進(jìn)行模型選擇，往往也只是使用單一的評(píng)價(jià)指標(biāo)進(jìn)行片面的適用性評(píng)價(jià)并基于 該種片面的定量的適用性評(píng)價(jià)結(jié)果進(jìn)行模型的選擇，該樣選擇出的模型往往不是綜合性能 最優(yōu)的。
[0003] 因此，當(dāng)前缺少一種對(duì)時(shí)間序列預(yù)測(cè)模型的適用性進(jìn)行全面的量化評(píng)價(jià)并基于該 種量化評(píng)價(jià)結(jié)果進(jìn)行模型選擇的定量選擇機(jī)制，該種選擇機(jī)制應(yīng)是一種通用的、可W針對(duì) 用戶應(yīng)用的實(shí)際需求進(jìn)行靈活定制化的時(shí)間序列預(yù)測(cè)模型定量選擇機(jī)制。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明是為了解決現(xiàn)有時(shí)間序列預(yù)測(cè)模型的定量篩選準(zhǔn)確度低的問題，本發(fā)明提 供了一種基于定量篩選時(shí)間序列預(yù)測(cè)模型的時(shí)間序列預(yù)測(cè)方法。
[0005] 一種基于定量篩選時(shí)間序列預(yù)測(cè)模型的時(shí)間序列預(yù)測(cè)方法，它是基于m個(gè)候選預(yù) 測(cè)模型實(shí)現(xiàn)的，m為正整數(shù)，該方法包括如下步驟：
[0006] 步驟一；根據(jù)需要評(píng)價(jià)的指標(biāo)，對(duì)m個(gè)候選預(yù)測(cè)模型進(jìn)行模型的定量篩選，獲得最 優(yōu)模型；
[0007] 所述指標(biāo)包括整體誤差指標(biāo)、預(yù)測(cè)效率指標(biāo)、局部誤差指標(biāo)、無(wú)量綱準(zhǔn)則指標(biāo)和多 次實(shí)驗(yàn)性能指標(biāo)；
[000引步驟二：利用最優(yōu)模型對(duì)時(shí)間序列進(jìn)行預(yù)測(cè)。
[0009] 所述的步驟一中，對(duì)m個(gè)候選預(yù)測(cè)模型進(jìn)行模型的定量篩選，獲得最優(yōu)模型的具 體步驟如下：
[0010] 步驟一一；當(dāng)需要對(duì)時(shí)間序列進(jìn)行整體誤差指標(biāo)和預(yù)測(cè)效率指標(biāo)計(jì)算時(shí)，分別對(duì) 每個(gè)候選預(yù)測(cè)模型的整體誤差指標(biāo)和預(yù)測(cè)效率指標(biāo)，進(jìn)行百分比分?jǐn)?shù)計(jì)算，獲得所有候選 預(yù)測(cè)模型在整體誤差指標(biāo)下的適用性分?jǐn)?shù)和所有候選預(yù)測(cè)模型在預(yù)測(cè)效率指標(biāo)下的適用 性分?jǐn)?shù)，并對(duì)所有候選預(yù)測(cè)模型在整體誤差指標(biāo)下的適用性分?jǐn)?shù)和所有候選預(yù)測(cè)模型在預(yù) 測(cè)效率指標(biāo)下的適用性分?jǐn)?shù)進(jìn)行加權(quán)平均，獲得所有候選預(yù)測(cè)模型的綜合適用性分?jǐn)?shù)，對(duì) 所有候選預(yù)測(cè)模型的綜合適用性分?jǐn)?shù)由低至高排序，并將綜合適用性分?jǐn)?shù)最低的兩個(gè)候選 預(yù)測(cè)模型作為第一組相對(duì)最優(yōu)的兩個(gè)模型；
[0011] 步驟一二：當(dāng)需要對(duì)時(shí)間序列進(jìn)行局部誤差指標(biāo)計(jì)算時(shí)，對(duì)m個(gè)候選預(yù)測(cè)模型在 局部誤差指標(biāo)下的各項(xiàng)指標(biāo)進(jìn)行綜合排名，獲得每個(gè)候選預(yù)測(cè)模型在局部誤差指標(biāo)下的平 均排名，并將在局部誤差指標(biāo)下，平均排名最小的兩個(gè)候選預(yù)測(cè)模型作為第二組相對(duì)最優(yōu) 的兩個(gè)模型；
[0012] 步驟一當(dāng)需要對(duì)時(shí)間序列進(jìn)行無(wú)量綱準(zhǔn)則指標(biāo)計(jì)算時(shí)，對(duì)m個(gè)候選預(yù)測(cè)模型 在無(wú)量綱準(zhǔn)則指標(biāo)下的各項(xiàng)指標(biāo)進(jìn)行綜合排名，獲得每個(gè)候選預(yù)測(cè)模型在無(wú)量綱準(zhǔn)則指標(biāo) 下的平均排名，并將在無(wú)量綱準(zhǔn)則指標(biāo)下，平均排名最小的兩個(gè)候選預(yù)測(cè)模型作為第=組 相對(duì)最優(yōu)的兩個(gè)模型；
[0013] 步驟一四；當(dāng)需要對(duì)時(shí)間序列進(jìn)行多次實(shí)驗(yàn)性能指標(biāo)計(jì)算時(shí)，對(duì)m個(gè)候選預(yù)測(cè)模 型在多次實(shí)驗(yàn)性能指標(biāo)下的各項(xiàng)指標(biāo)進(jìn)行綜合排名，獲得每個(gè)候選預(yù)測(cè)模型在多次實(shí)驗(yàn)性 能指標(biāo)下的平均排名，并將在多次實(shí)驗(yàn)性能指標(biāo)下，平均排名最小的兩個(gè)候選預(yù)測(cè)模型作 為第四組相對(duì)最優(yōu)的兩個(gè)模型；
[0014] 步驟一五；對(duì)步驟一一至步驟一四中獲得的相對(duì)最優(yōu)模型進(jìn)行統(tǒng)計(jì)，計(jì)算每個(gè)相 對(duì)最優(yōu)模型出現(xiàn)的頻數(shù)，出現(xiàn)頻數(shù)最高的2個(gè)相對(duì)最優(yōu)模型均作為候選最優(yōu)模型；
[0015] 步驟一六；對(duì)步驟一五中獲得的兩個(gè)候選最優(yōu)模型進(jìn)行差異性檢測(cè)，將檢測(cè)結(jié)果 中相對(duì)性能優(yōu)異的模型作為最優(yōu)模型，完成對(duì)最優(yōu)模型的獲取。
[0016] 所述的步驟一一中，當(dāng)需要對(duì)時(shí)間序列進(jìn)行整體誤差指標(biāo)和預(yù)測(cè)效率指標(biāo)計(jì)算 時(shí)，分別對(duì)每個(gè)候選預(yù)測(cè)模型的整體誤差指標(biāo)和預(yù)測(cè)效率指標(biāo)，進(jìn)行百分比分?jǐn)?shù)計(jì)算，獲得 所有候選預(yù)測(cè)模型在整體誤差指標(biāo)下的適用性分?jǐn)?shù)和所有候選預(yù)測(cè)模型在預(yù)測(cè)效率指標(biāo) 下的適用性分?jǐn)?shù)，并對(duì)所有候選預(yù)測(cè)模型在整體誤差指標(biāo)下的適用性分?jǐn)?shù)和所有候選預(yù)測(cè) 模型在預(yù)測(cè)效率指標(biāo)下的適用性分?jǐn)?shù)進(jìn)行加權(quán)平均，獲得所有候選預(yù)測(cè)模型的綜合適用性 分?jǐn)?shù)的具體過程為：
[0017] 步驟a;在整體誤差指標(biāo)中，選擇n個(gè)適用性評(píng)價(jià)指標(biāo)Metrici~Metric。，其中， Metrici~Metric。分別表示整體誤差指標(biāo)中的第1至第n個(gè)適用性評(píng)價(jià)指標(biāo)，n為正整數(shù)， [001引步驟b;通過公式（1)獲得m個(gè)候選預(yù)測(cè)模型在整體誤差指標(biāo)中的第i個(gè)適用性 評(píng)價(jià)指標(biāo)的適用性分?jǐn)?shù)向量邸R.GRADEi,，
[0019] 通過公式（2)獲得第j個(gè)候選預(yù)測(cè)模型在n個(gè)適用性評(píng)價(jià)指標(biāo)Metrici~Metric。 下的適用性分?jǐn)?shù)向量ERR.GRADEJ，
[0020] 公式（1)和公式似如下所示，
【主權(quán)項(xiàng)】
1. 一種基于定量篩選時(shí)間序列預(yù)測(cè)模型的時(shí)間序列預(yù)測(cè)方法，其特征在于，它是基于 m個(gè)候選預(yù)測(cè)模型實(shí)現(xiàn)的，m為正整數(shù)，該方法包括如下步驟： 步驟一：根據(jù)需要評(píng)價(jià)的指標(biāo)，對(duì)m個(gè)候選預(yù)測(cè)模型進(jìn)行模型的定量篩選，獲得最優(yōu)模 型； 所述指標(biāo)包括整體誤差指標(biāo)、預(yù)測(cè)效率指標(biāo)、局部誤差指標(biāo)、無(wú)量綱準(zhǔn)則指標(biāo)和多次實(shí) 驗(yàn)性能指標(biāo)； 步驟二：利用最優(yōu)模型對(duì)時(shí)間序列進(jìn)行預(yù)測(cè)。
2. 根據(jù)權(quán)利要求1所述的一種基于定量篩選時(shí)間序列預(yù)測(cè)模型的時(shí)間序列預(yù)測(cè)方法， 其特征在于，所述的步驟一中，對(duì)m個(gè)候選預(yù)測(cè)模型進(jìn)行模型的定量篩選，獲得最優(yōu)模型的 具體步驟如下： 步驟一一：當(dāng)需要對(duì)時(shí)間序列進(jìn)行整體誤差指標(biāo)和預(yù)測(cè)效率指標(biāo)計(jì)算時(shí)，分別對(duì)每個(gè) 候選預(yù)測(cè)模型的整體誤差指標(biāo)和預(yù)測(cè)效率指標(biāo)，進(jìn)行百分比分?jǐn)?shù)計(jì)算，獲得所有候選預(yù)測(cè) 模型在整體誤差指標(biāo)下的適用性分?jǐn)?shù)和所有候選預(yù)測(cè)模型在預(yù)測(cè)效率指標(biāo)下的適用性分 數(shù)，并對(duì)所有候選預(yù)測(cè)模型在整體誤差指標(biāo)下的適用性分?jǐn)?shù)和所有候選預(yù)測(cè)模型在預(yù)測(cè)效 率指標(biāo)下的適用性分?jǐn)?shù)進(jìn)行加權(quán)平均，獲得所有候選預(yù)測(cè)模型的綜合適用性分?jǐn)?shù)，對(duì)所有 候選預(yù)測(cè)模型的綜合適用性分?jǐn)?shù)由低至高排序，并將綜合適用性分?jǐn)?shù)最低的兩個(gè)候選預(yù)測(cè) 模型作為第一組相對(duì)最優(yōu)的兩個(gè)模型； 步驟一二：當(dāng)需要對(duì)時(shí)間序列進(jìn)行局部誤差指標(biāo)計(jì)算時(shí)，對(duì)m個(gè)候選預(yù)測(cè)模型在局部 誤差指標(biāo)下的各項(xiàng)指標(biāo)進(jìn)行綜合排名，獲得每個(gè)候選預(yù)測(cè)模型在局部誤差指標(biāo)下的平均排 名，并將在局部誤差指標(biāo)下，平均排名最小的兩個(gè)候選預(yù)測(cè)模型作為第二組相對(duì)最優(yōu)的兩 個(gè)模型； 步驟一三：當(dāng)需要對(duì)時(shí)間序列進(jìn)行無(wú)量綱準(zhǔn)則指標(biāo)計(jì)算時(shí)，對(duì)m個(gè)候選預(yù)測(cè)模型在無(wú) 量綱準(zhǔn)則指標(biāo)下的各項(xiàng)指標(biāo)進(jìn)行綜合排名，獲得每個(gè)候選預(yù)測(cè)模型在無(wú)量綱準(zhǔn)則指標(biāo)下的 平均排名，并將在無(wú)量綱準(zhǔn)則指標(biāo)下，平均排名最小的兩個(gè)候選預(yù)測(cè)模型作為第三組相對(duì) 最優(yōu)的兩個(gè)模型； 步驟一四：當(dāng)需要對(duì)時(shí)間序列進(jìn)行多次實(shí)驗(yàn)性能指標(biāo)計(jì)算時(shí)，對(duì)m個(gè)候選預(yù)測(cè)模型在 多次實(shí)驗(yàn)性能指標(biāo)下的各項(xiàng)指標(biāo)進(jìn)行綜合排名，獲得每個(gè)候選預(yù)測(cè)模型在多次實(shí)驗(yàn)性能指 標(biāo)下的平均排名，并將在多次實(shí)驗(yàn)性能指標(biāo)下，平均排名最小的兩個(gè)候選預(yù)測(cè)模型作為第 四組相對(duì)最優(yōu)的兩個(gè)模型； 步驟一五：對(duì)步驟一一至步驟一四中獲得的相對(duì)最優(yōu)模型進(jìn)行統(tǒng)計(jì)，計(jì)算每個(gè)相對(duì)最 優(yōu)模型出現(xiàn)的頻數(shù)，出現(xiàn)頻數(shù)最高的2個(gè)相對(duì)最優(yōu)模型均作為候選最優(yōu)模型； 步驟一六：對(duì)步驟一五中獲得的兩個(gè)候選最優(yōu)模型進(jìn)行差異性檢測(cè)，將檢測(cè)結(jié)果中相 對(duì)性能優(yōu)異的模型作為最優(yōu)模型，完成對(duì)最優(yōu)模型的獲取。
3. 根據(jù)權(quán)利要求2所述的一種基于定量篩選時(shí)間序列預(yù)測(cè)模型的時(shí)間序列預(yù)測(cè)方法， 其特征在于，所述的步驟一一中，當(dāng)需要對(duì)時(shí)間序列進(jìn)行整體誤差指標(biāo)和預(yù)測(cè)效率指標(biāo)計(jì) 算時(shí)，分別對(duì)每個(gè)候選預(yù)測(cè)模型的整體誤差指標(biāo)和預(yù)測(cè)效率指標(biāo)，進(jìn)行百分比分?jǐn)?shù)計(jì)算，獲 得所有候選預(yù)測(cè)模型在整體誤差指標(biāo)下的適用性分?jǐn)?shù)和所有候選預(yù)測(cè)模型在預(yù)測(cè)效率指 標(biāo)下的適用性分?jǐn)?shù)，并對(duì)所有候選預(yù)測(cè)模型在整體誤差指標(biāo)下的適用性分?jǐn)?shù)和所有候選預(yù) 測(cè)模型在預(yù)測(cè)效率指標(biāo)下的適用性分?jǐn)?shù)進(jìn)行加權(quán)平均，獲得所有候選預(yù)測(cè)模型的綜合適用 性分?jǐn)?shù)的具體過程為： 步驟a :在整體誤差指標(biāo)中，選擇η個(gè)適用性評(píng)價(jià)指標(biāo)Metric1W Metric n，其中， Metric1W Metric 別表示整體誤差指標(biāo)中的第1至第η個(gè)適用性評(píng)價(jià)指標(biāo)，η為正整數(shù)， 步驟b :通過公式（1)獲得m個(gè)候選預(yù)測(cè)模型在整體誤差指標(biāo)中的第i個(gè)適用性評(píng)價(jià) 指標(biāo)的適用性分?jǐn)?shù)向量ERR. GRADER， 通過公式（2)獲得第j個(gè)候選預(yù)測(cè)模型在η個(gè)適用性評(píng)價(jià)指標(biāo)Metric1W Metric 的適用性分?jǐn)?shù)向量ERR. GRADE，j， 公式（1)和公式（2)如下所示，
Metric^表示第j個(gè)候選預(yù)測(cè)模型在第i個(gè)適用性評(píng)價(jià)指標(biāo)下的指標(biāo)計(jì)算結(jié)果，j為 正整數(shù)， MetriciJ表示第j個(gè)候選預(yù)測(cè)模型在第i個(gè)適用性評(píng)價(jià)指標(biāo)下的指標(biāo)計(jì)算數(shù)值結(jié)果， i為正整數(shù)， 步驟c :通過ERR. GRADEi,和ERR. GRADE j獲得ERR. GRADE u，并通過公式（3)獲得整體 誤差指標(biāo)的適用性分?jǐn)?shù)向量MODEL. ERR. GRADE，
其中，ERR. GRADEii」表示第j個(gè)候選預(yù)測(cè)模型在第i個(gè)適用性評(píng)價(jià)指標(biāo)下的適用性分 數(shù)，表示第i個(gè)適用性評(píng)價(jià)指標(biāo)下通過百分比分?jǐn)?shù)計(jì)算方式計(jì)算得到的適用性分?jǐn)?shù)的權(quán) 重， 步驟d:計(jì)算m個(gè)候選預(yù)測(cè)模型各自建模預(yù)測(cè)所需要消耗的時(shí)間，并利用百分比計(jì)算的 方式，獲得預(yù)測(cè)效率指標(biāo)的適用性分?jǐn)?shù)向量MODEL. ??Μ. GRADE，
其中，OP. TIME廣示第j個(gè)候選預(yù)測(cè)模型從時(shí)間序列輸入到預(yù)測(cè)結(jié)果輸出所消耗的時(shí) 間， 步驟e :對(duì)步驟c獲得的整體誤差指標(biāo)的適用性分?jǐn)?shù)向量MODEL. ERR. GRADE和步驟d獲 得的預(yù)測(cè)效率指標(biāo)的適用性分?jǐn)?shù)向量MODEL. TIM. GRADE進(jìn)行加權(quán)平均，獲得所有候選預(yù)測(cè) 模型的綜合適用性分?jǐn)?shù)向量， 其中，第j個(gè)候選預(yù)測(cè)模型的綜合適用性分?jǐn)?shù)MODEL. GRADEjS :
其中，MODEL. ERR. GRADEj表示第j個(gè)候選預(yù)測(cè)模型從整體誤差角度出發(fā)的適用性分?jǐn)?shù)， MODEL. ??Μ. GRADEj表示第j個(gè)候選預(yù)測(cè)模型從預(yù)測(cè)效率角度出發(fā)的適用性分?jǐn)?shù)，WEffieieney表 示為從預(yù)測(cè)效率角度出發(fā)的適用性分?jǐn)?shù)對(duì)應(yīng)的權(quán)重，示從整體誤差角度出發(fā)的適 用性分?jǐn)?shù)對(duì)應(yīng)的權(quán)重。
【專利摘要】一種基于定量篩選時(shí)間序列預(yù)測(cè)模型的時(shí)間序列預(yù)測(cè)方法，解決了現(xiàn)有時(shí)間序列預(yù)測(cè)模型的定量篩選準(zhǔn)確度低的問題。該時(shí)間序列預(yù)測(cè)方法是基于m個(gè)候選預(yù)測(cè)模型實(shí)現(xiàn)的，m為正整數(shù)，該方法包括如下步驟：步驟一：根據(jù)需要評(píng)價(jià)的指標(biāo)，對(duì)m個(gè)候選預(yù)測(cè)模型進(jìn)行模型的定量篩選，獲得最優(yōu)模型；所述指標(biāo)包括整體誤差指標(biāo)、預(yù)測(cè)效率指標(biāo)、局部誤差指標(biāo)、無(wú)量綱準(zhǔn)則指標(biāo)和多次實(shí)驗(yàn)性能指標(biāo)；步驟二：利用最優(yōu)模型對(duì)時(shí)間序列進(jìn)行預(yù)測(cè)。它主要用于從眾多時(shí)間序列模型中選擇適合模型。
【IPC分類】G06Q10-04
【公開號(hào)】CN104866930
【申請(qǐng)?zhí)枴緾N201510320832
【發(fā)明人】彭宇, 劉大同, 郭力萌, 彭喜元
【申請(qǐng)人】哈爾濱工業(yè)大學(xué)
【公開日】2015年8月26日
【申請(qǐng)日】2015年6月12日