求真分享 http://blog.sciencenet.cn/u/zlyang 求真务实

博文

[笔记] 时间序列预测里的一些“专业术语”

已有 1739 次阅读 2021-2-5 14:54 |个人分类:风电功率预测|系统分类:科研笔记

[笔记] 时间序列预测里的一些“专业术语”

          

(1)多步预测的基本策略

   对未来提前多步预测的基本策略是直接式(direct strategy)和迭代式
(recursive strategy,或 iterative strategy, iterated)。
   实际应用中,还可以将它们综合成 Direct-Recursive (DirRec), Multi-Input Multi-Output (MIMO) 和 Direct-MIMO (DIRMO) 等模式。

         

(2)预测模型输入变量的具体构成,训练模型的历史数据样本容量,预测的最大提前时间,预测误差的统计量(平均误差、均方根误差等)。

   模型定阶还没有通用性的理论方法。特别是从多维时间序列回归到一维时间序列预测的模型定阶。
   对于ARMA 模型定阶,有 AIC、BIC、FPE:Akaike’s information criterion (AIC) (Akaike 1973, 1974); Bayesian information criterion (BIC) (Akaike 1977, Kashyap 1977, and Schwarz 1978. In fact, it can also be derived from a non-Bayesian argument such as in Rissanen 1980); final prediction error criterion (FPE) (Akaike 1969),
   样本容量优化还没有理论性的优化方法,只能人工试探。2013 年 Khalid 和 Savkin 在《IEEE Transactions on Power Systems》里写明的“Therefore, the optimal number of historical data points for the given data set was chosen based on manual trial-and-error methods. 优化的历史数据样本容量只能人工试探”。

              
(3)输入变量的数值,是实际观察值还是预报值?假如使用的是预报值,它们的误差对时间序列预报变量的影响?

   例如:电力短期负荷预测是否使用了天气信息?假如使用了天气信息,这些天气数据是历史观测值,还是对未来的预报值?天气预报误差对负荷预测误差的影响?……


一些小的经验:

   (1)时间序列预测结果的好坏,主要由时间序列自身的变化性质决定。预测模型的作用是第二位的。

   (2)需要过度优化结构与参数的模型,往往实际应用中的稳健性(抗干扰能力)偏差。

   (3)简单模型往往稳健性更好。线性预测模型的稳健性极好。

http://www.paper.edu.cn/releasepaper/content/200609-432

                         

部分参考资料:
[1] Ida Kalate Ahani, Majid Salari, Alireza Shadman.  Statistical models for multi-step-ahead forecasting of fine particulate matter in urban areas [J]. Atmospheric Pollution Research, 2019, 10(3): ‏689-700. MAY 2019.
https://www.sciencedirect.com/science/article/pii/S1309104218305002
[2] Khalid M,Savkin A V.Closure to discussion on “A method for short-term wind power prediction with multiple observation points” [J].IEEE Transactions on Power Systems,2013,28 (2):1898-1899.
https://ieeexplore.ieee.org/document/6496180
[3] Jianqing Fan, Qiwei Yao. Nonlinear Time Series: Nonparametric and Parametric Methods [M]. New York: Springer Science+Business Media, Inc, 2005.
[4] 杨冠灿,2011-01-14,技术预测方法介绍
http://blog.sciencenet.cn/blog-357889-404328.html
[5] Bradley Efron, Trevor Hastie. Computer Age Statistical Inference: Algorithms, Evidence and Data Science [M]. Cambridge University Press, 2016.
http://web.stanford.edu/~hastie/CASI/

相关链接:
[1] 2021-02-03,往日(4):组合预测之谜 forecast combination puzzle
http://blog.sciencenet.cn/blog-107667-1270404.html
[2] 2010-11-07,复杂系统行为预测的“机理+辨识”策略
http://blog.sciencenet.cn/blog-107667-381404.html
[3] 布拉德利·埃弗龙(Bradley Efron):2005年美国国家科学奖章得主(统计学)
http://blog.sciencenet.cn/blog-107667-1065714.html

                       

感谢您的指教!

感谢您指正以上任何错误!

感谢您提供更多的相关资料!



http://blog.sciencenet.cn/blog-107667-1270762.html

上一篇:[讨论] “同行评议”与“投票悖论”
下一篇:对于原创,随机资助也许真比“同行评议”要好

11 尤明庆 许培扬 杨学祥 宁利中 张晓良 郑永军 秦四清 武夷山 蔡宁 李毅伟 范振英

该博文允许注册用户评论 请点击登录 评论 (2 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2021-10-23 03:01

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部