一种基于定量筛选时间序列预测模型的时间序列预测方法技术

一种基于定量筛选时间序列预测模型的时间序列预测方法，解决了现有时间序列预测模型的定量筛选准确度低的问题。该时间序列预测方法是基于m个候选预测模型实现的，m为正整数，该方法包括如下步骤：步骤一：根据需要评价的指标，对m个候选预测模型进行模型的定量筛选，获得最优模型；所述指标包括整体误差指标、预测效率指标、局部误差指标、无量纲准则指标和多次实验性能指标；步骤二：利用最优模型对时间序列进行预测。它主要用于从众多时间序列模型中选择适合模型。

【技术实现步骤摘要】

本专利技术属于时间序列预测模型的定量选择领域。
技术介绍
时间序列预测模型与时间序列特性之间的匹配程度决定了预测效果，因此需要针对时间序列为其选择适合的时间序列预测模型进行预测分析。然而，在现有研究中，主要基于经验或少量的实验进行预测模型的选择，在选择过程中主观因素影响较多，并且即使采用实验方式进行模型选择，往往也只是使用单一的评价指标进行片面的适用性评价并基于这种片面的定量的适用性评价结果进行模型的选择，这样选择出的模型往往不是综合性能最优的。因此，当前缺少一种对时间序列预测模型的适用性进行全面的量化评价并基于这种量化评价结果进行模型选择的定量选择机制，这种选择机制应是一种通用的、可以针对用户应用的实际需求进行灵活定制化的时间序列预测模型定量选择机制。
技术实现思路
本专利技术是为了解决现有时间序列预测模型的定量筛选准确度低的问题，本专利技术提供了一种基于定量筛选时间序列预测模型的时间序列预测方法。一种基于定量筛选时间序列预测模型的时间序列预测方法，它是基于m个候选预测模型实现的，m为正整数，该方法包括如下步骤：步骤一：根据需要评价的指标，对m个候选预测模型进行模型的定量筛选，获得最优模型；所述指标包括整体误差指标、预测效率指标、局部误差指标、无量纲准则指标和多次实验性能指标；步骤二：利用最优模型对时间序列进行预测。所述的步骤一中，对m个候选预测模型进行模型的定量筛选，获得最优模型的具体步骤如下：步骤一一：当需要对时间序列进行整体误差指标和预测效率指标计算时，分别对每个候选预测模型的整体误差指标和预测效率指标，进行百分比分数计算，获得所有候选预测模型在整体误差指标下的适用性分数和所有候选预测模型在预测效率指标下的适用性分数，并对所有候选预测模型在整体误差指标下的适用性分数和所有候选预测模型在预测效率指标下的适用性分数进行加权平均，获得所有候选预测模型的综合适用性分数，对所有候选预测模型的综合适用性分数由低至高排序，并将综合适用性分数最低的两个候选预测模型作为第一组相对最优的两个模型；步骤一二：当需要对时间序列进行局部误差指标计算时，对m个候选预测模型在局部误差指标下的各项指标进行综合排名，获得每个候选预测模型在局部误差指标下的平均排名，并将在局部误差指标下，平均排名最小的两个候选预测模型作为第二组相对最优的两个模型；步骤一三：当需要对时间序列进行无量纲准则指标计算时，对m个候选预测模型在无量纲准则指标下的各项指标进行综合排名，获得每个候选预测模型在无量纲准则指标下的平均排名，并将在无量纲准则指标下，平均排名最小的两个候选预测模型作为第三组相对最优的两个模型；步骤一四：当需要对时间序列进行多次实验性能指标计算时，对m个候选预测模型在多次实验性能指标下的各项指标进行综合排名，获得每个候选预测模型在多次实验性能指标下的平均排名，并将在多次实验性能指标下，平均排名最小的两个候选预测模型作为第四组相对最优的两个模型；步骤一五：对步骤一一至步骤一四中获得的相对最优模型进行统计，计算每个相对最优模型出现的频数，出现频数最高的2个相对最优模型均作为候选最优模型；步骤一六：对步骤一五中获得的两个候选最优模型进行差异性检测，将检测结果中相对性能优异的模型作为最优模型，完成对最优模型的获取。所述的步骤一一中，当需要对时间序列进行整体误差指标和预测效率指标计算时，分别对每个候选预测模型的整体误差指标和预测效率指标，进行百分比分数计算，获得所有候选预测模型在整体误差指标下的适用性分数和所有候选预测模型在预测效率指标下的适用性分数，并对所有候选预测模型在整体误差指标下的适用性分数和所有候选预测模型在预测效率指标下的适用性分数进行加权平均，获得所有候选预测模型的综合适用性分数的具体过程为：步骤a：在整体误差指标中，选择n个适用性评价指标Metric1～Metricn，其中，Metric1～Metricn分别表示整体误差指标中的第1至第n个适用性评价指标，n为正整数，步骤b：通过公式(1)获得m个候选预测模型在整体误差指标中的第i个适用性评价指标的适用性分数向量ERR.GRADEi,，通过公式(2)获得第j个候选预测模型在n个适用性评价指标Metric1～Metricn下的适用性分数向量ERR.GRADE,j，公式(1)和公式(2)如下所示，ERR.GRADEi,={|Metrici,j|Σj=1m|Metrici,j|本文档来自技高网...

【技术保护点】
一种基于定量筛选时间序列预测模型的时间序列预测方法，其特征在于，它是基于m个候选预测模型实现的，m为正整数，该方法包括如下步骤：步骤一：根据需要评价的指标，对m个候选预测模型进行模型的定量筛选，获得最优模型；所述指标包括整体误差指标、预测效率指标、局部误差指标、无量纲准则指标和多次实验性能指标；步骤二：利用最优模型对时间序列进行预测。

【技术特征摘要】
1.一种基于定量筛选时间序列预测模型的时间序列预测方法，其特征在于，它是基于
m个候选预测模型实现的，m为正整数，该方法包括如下步骤：
步骤一：根据需要评价的指标，对m个候选预测模型进行模型的定量筛选，获得最优
模型；
所述指标包括整体误差指标、预测效率指标、局部误差指标、无量纲准则指标和多次
实验性能指标；
步骤二：利用最优模型对时间序列进行预测。
2.根据权利要求1所述的一种基于定量筛选时间序列预测模型的时间序列预测方法，
其特征在于，所述的步骤一中，对m个候选预测模型进行模型的定量筛选，获得最优模型
的具体步骤如下：
步骤一一：当需要对时间序列进行整体误差指标和预测效率指标计算时，分别对每个
候选预测模型的整体误差指标和预测效率指标，进行百分比分数计算，获得所有候选预测
模型在整体误差指标下的适用性分数和所有候选预测模型在预测效率指标下的适用性分
数，并对所有候选预测模型在整体误差指标下的适用性分数和所有候选预测模型在预测效
率指标下的适用性分数进行加权平均，获得所有候选预测模型的综合适用性分数，对所有
候选预测模型的综合适用性分数由低至高排序，并将综合适用性分数最低的两个候选预测
模型作为第一组相对最优的两个模型；
步骤一二：当需要对时间序列进行局部误差指标计算时，对m个候选预测模型在局部
误差指标下的各项指标进行综合排名，获得每个候选预测模型在局部误差指标下的平均排
名，并将在局部误差指标下，平均排名最小的两个候选预测模型作为第二组相对最优的两
个模型；
步骤一三：当需要对时间序列进行无量纲准则指标计算时，对m个候选预测模型在无
量纲准则指标下的各项指标进行综合排名，获得每个候选预测模型在无量纲准则指标下的
平均排名，并将在无量纲准则指标下，平均排名最小的两个候选预测模型作为第三组相对
最优的两个模型；
步骤一四：当需要对时间序列进...

【专利技术属性】
技术研发人员：彭宇，刘大同，郭力萌，彭喜元，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江;23