时间序列预测 — 时间序列预测存在的问题：如何真正预测未来值？
????专栏链接：https://blog.csdn.net/qq_41921826/category_12495091.html
专栏内容
??所有文章提供源代码、数据集、效果可视化
?
?
?
?
?
?
?
时间序列预测存在的问题
目录
1 时间序列问题简介
时间序列是指按照时间顺序排列的一系列数据点，通常是在连续的时间间隔内收集的数据。这些数据点可以代表各种现象，如股票价格、负荷、光伏、风电等，它们可以展现出随时间变化的趋势、周期性和随机性。如下的电力负荷数据
在时间序列分析中，常用的模型包括深度学习方法（LSTM、GRU、BiLSTM等）、Transformer方法（Attention、informer、autoformer等）、时间序列分解方法（?VMD、EEMD、CEEMDAN等）这些模型可以帮助我们对时间序列数据进行建模，并进行未来的预测。
2 现有的方法没有预测未来值
现有的很多方法只是进行模型的测试，并没有真正预测未来值。训练时将特征和标签按时间对应，预测时将测试特征输入，得到测试标签。此时如果测试特征未知，将得不到测试标签结果。
3 如何真正预测未来值?
3.1 未来特征已知情况
如果未来特征已知，例如我们知道明天的干球温度、露点温度、湿球温度、湿度、电价，则可以通过训练的模型直接得到明天的电力负荷。未来特征的获取可以通过天气预报、公开信息进行获取，当此时存在二次误差的问题，不能保证天气预报的范围和精度。也可以对未来的特征进行预测，但会陷入无线套娃。
3.2 单变量滚动预测?
单变量滚动整体的思路：用x个数据预测未来的2y个未来数据，在训练集划分时，将前x个数据和后y个数据作为一个训练数据，依次对训练数据集进行滚动划分。在预测时，需要预测2y个数据，先利用x个数据预测y个数据，然后将预测的y各数据添加到历史数据当中，在x+y个数据中取出后x个数据再预测y个数据，滚动预测两次，得到2y个数据。
3.3 多变量直接多输出
多变量直接多输出整体的思路：用x行特征数据预测未来的2y个未来标签数据，在训练集划分时，将前x行特征数据和后y个标签数据作为一个训练数据，依次对训练数据集进行滚动划分。在预测时，需要预测2y个数据，直接利用x行特征数据预测2y个数据，无需进行滚动预测。
3.4?多变量滚动预测
?多变量滚动预测整体的思路：用x行特征数据预测未来的2y个未来标签数据，在训练集划分时，将前x行特征数据和后y个标签数据作为一个训练数据，依次对训练数据集进行滚动划分。在预测时，需要预测2y个数据，直接利用x行特征数据预测2y个数据，无需进行滚动预测。
3.5 单变量序列分解转为多单变量滚动
单变量序列分解转为多单变量滚动预测整体的思路：首先将单变量分解为多个分解序列，再对每个分解序列按照单变量滚动的思路进行预测，最后将预测的分解序列求和，得到单变量的预测值。
3.6 单变量序列分解转为多变量滚动
单变量序列分解转为多变量滚动预测整体的思路：首先将单变量分解为多个分解序列，再对整体分解序列按照多变量滚动的思路进行预测，最后将预测的分解序列求和，得到单变量的预测值。
3.7?多变量序列分解转为多变量滚动
多变量序列分解转为多变量滚动预测整体的思路：首先将多变量标签分解得到分解序列，将特征和和分解序列一起组成训练数据，再对整体训练数据按照多变量滚动的思路进行预测，最后将预测的分解序列求和，得到标签预测值。
?
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：chenni525@qq.com进行投诉反馈，一经查实，立即删除！