一种时间序列预测方法技术

本发明专利技术涉及时间序列预测技术领域，尤其涉及一种时间序列预测方法，解决了现有时间预测方法中，使用MSE的变体进行训练往往会产生模糊的预测，缺乏在确定性和概率上下文中提供清晰预测的能力的技术问题，本发明专利技术所述方法将确定性预测模型和概率性预测模型相结合，确定性预测模型为DILATE损失函数，DILATE损失函数由a倍的shape函数和1‑a倍的time函数组成；概率性预测模型包括建立在质量损失预测器基础上的STRIPE++模型；本发明专利技术验证了DILATE损失函数和STRIPE++模型的相关性，突出了利用形状和时间特征进行时间序列预测所带来的好处；可以保证准确的时间定位，以及提供准确的时间序列预测。

【技术实现步骤摘要】

本专利技术涉及时间序列预测，尤其涉及一种时间序列预测方法。

技术介绍

1、时间序列预测是通过分析历史信号的相关性来预测未来的行为。传统的方法包括线性自回归方法或状态空间模型，这些方法简单但具有数学基础，并且具有可解释性。

2、在这种情况下，长期多步预测尤其具有挑战性，并且在广泛的重要应用领域中出现，例如分析交通，医疗记录，预测金融市场的急剧变化或可再生能源生产等。绝大多数方法在训练时将优化均方误差(mse)或其变体(mae，分位数损失等)作为代理损失函数。然而，mse在评估预测方面存在重要缺陷，特别是在具有急剧变化的非平稳环境中。

3、对于概率预测，目前最先进的概率方法是使用mse的变体进行训练，往往会产生模糊的预测，缺乏在确定性和概率上下文中提供清晰预测的能力。

技术实现思路

1、为解决现有时间预测方法中，使用mse的变体进行训练往往会产生模糊的预测，缺乏在确定性和概率上下文中提供清晰预测的能力的技术问题，本专利技术提供了一种时间序列预测方法。

2、本专利技术提供了一种时本文档来自技高网...

【技术保护点】

1.一种时间序列预测方法，其特征在于，包括以下步骤：

【技术特征摘要】

1.一种时间序列预测方法，...

【专利技术属性】
技术研发人员：李灯熬，赵菊敏，武雍凯，
申请(专利权)人：山西省能源互联网研究院，
类型：发明
国别省市：