Print

时间序列预测方法综述

论文摘要

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。

论文目录

  • 1 引言
  • 2 时间序列数据的特点以及时间序列参数模型
  •   2.1 时间序列数据的特点
  •   2.2 相关的时间序列参数模型
  • 3 传统的时间序列预测方法
  • 4 基于机器学习的时间序列预测方法
  •   4.1 基于支持向量机的时间序列预测方法
  •   4.2 基于贝叶斯网络的时间序列预测方法
  •   4.3 基于矩阵分解的时间序列预测方法
  •   4.4 基于高斯过程的时间序列预测方法
  •   4.5 基于深度学习的时间序列预测方法
  •   4.6 基于混合模型的时间序列预测方法
  • 5 基于参数模型的在线时间序列预测方法
  • 6 进一步的研究方向

    • 文章来源

    类型: 期刊论文

    作者: 杨海民,潘志松,白玮

    关键词: 时间序列,时间序列预测,机器学习,在线学习

    来源: 计算机科学 2019年01期

    年度: 2019

    分类: 信息科技,基础科学

    专业: 数学,自动化技术

    单位: 陆军工程大学研究生院,陆军工程大学指挥控制工程学院

    基金: 国家重点研发计划“网络空间安全”重点专项(2017YFB0802800)资助

    分类号: TP181;O211.61

    页码: 21-28

    总页数: 8

    文件大小: 208K

    下载量: 4324

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/734411e6ba857425bd014c1e.html