时间序列预测相关问题

一、怎样才算是好的时间序列预测模型呢？

• 单变量和多变量时间序列都适用。
• 既能运用序列自身的历史信息还能运用其他变量的信息。
• 除了动态信息(随时间变化而变化的变量)，还可以利用静态信息(不会随时间变化的变量)。
• 复杂模式和简单模式的时间序列都能适应。
• 能够多步预测。(好处在于：单步预测再迭代有累积误差)。
• 预测结果不仅仅是得出预测点，还能给出预测值的不确定区间。
• 具有良好的可解释性。

二、时间序列预测时，对所有变量的分类

2.1 静态变量

2.1.1 静态离散变量

这些变量不随时间变化。比如：商品所在城市、销售区域，类别等。（已知）

2.1.2 静态连续变量

已经发生过，在过去随时间变化的连续变量，但不随现在时间变化。比如：商品A在2020年总销售额，商品B在去年双十一期间的销量等。（已知）

2.2 动态变量

2.2.1 动态时变变量

变量随时间变化(无法推断)。比如：要预测的商品销售额等。（未知）

2.2.2 动态时不变变量

变量随时间变化(可以推断)。比如：年、月、日等。（已知）

三、单步预测和多步预测

3.1 单步预测

每—次预测的时候输入窗口只预测未来一个值。单步预测预测的时候输入是最近的数据，而长期依赖和短期依赖已经在模型中训练了，准确率比多步预测要好。适用于短期预测。

3.1.1 单步预测的两个策略

• 输入窗口全部使用真实值作为输入窗口，这种情况是只预测未来一个值的时候这个情况的。
• 预测未来第一个值的时候输入窗口使用全部真实值，预测后面 n-1 个的时候，预测窗口将包含有预测值，这种情况是单步预测预测未来的多个值的时候。

3.2 多步预测

每—次预测的时候输入窗口预测未来n个值（也叫n步）。多步预测的预测误差会随着步数的增加而累积，多步预测的结果也会越来越不准。适用于长期预测。

3.2.1 多步预测的两个策略

• 只预测未来一次，即只预测一个n输入的n个输出，n是滑动窗口个数，即输入n个滑动窗口，直接输出未来的n个，利用的输入全部是历史数据的真实值。
• 预测未来多次，即预测一个m×n输入的m×n个输出，n是滑动窗口个数,m=1、2、3、4、5、6…，即输入n个滑动窗口作为一次输入，整体输入是m次这样的窗口，直接输出未来的m×n个，利用的输入第一次是历史数据的真实值，第一次之后包含有预测值。

参考文章