python时序数据预测
文章平均质量分 79
时序数据预测
Elsie678
这个人实在是太懒了~
展开
-
时序数据预测:LSTM
本文尝试应用长短期记忆(LSTM,Long Short-Term Memory)神经网络模型对月度时序数据进行预测,样本时序数据时间跨度2017年1月至今,同时对多个目标变量时序数据进行预测。本文主要参考了《python预测之美》部分章节内容,暂不做详尽的理论说明与代码解释,仅做个人积累记录使用,如有侵权或不合规请及时联系处理~目录1、样本数据获取2、数据预处理3、重构数据结构,划分训练集与测试集4、LSTM模型构建与训练5、预测结果还原6、模型效果评估1、样本数据获取本原创 2021-02-02 22:01:43 · 11280 阅读 · 1 评论 -
时序数据预测:Holt-Winters
本文尝试应用三次指数平滑法(Holt-Winters)对同时含有趋势和季节规律的月度时序数据进行预测,样本时序数据时间跨度2017年1月至今。对时序数据进行异常值判别并修正处理后,应用Holt-Winters建模预测。比较懒(主要是学识浅薄),暂不做详尽的理论说明与代码解释,仅做个人积累记录使用,如有侵权或不合规请及时联系处理~目 录1、样本数据获取2、异常值判别与修正3、模型构建与评估1、样本数据获取本例样本数据为单变量月度时序数据,读取该变量时序数据后将“年月”字段设置为索引。.原创 2021-02-02 20:38:43 · 2393 阅读 · 0 评论 -
时序数据预测:ARIMA
本文尝试应用ARIMA时间序列模型对具有明显季节规律的月度时序数据进行预测,样本数据来源于本人项目工作中的某地区某行业电量(已脱敏处理),外加搜集了部分外部宏观经济、气象数据,时间跨度2017年1月至今。思路:将原始时序数据进行周期分解为趋势部分+周期部分+残差部分,趋势部分应用ARIMA建模预测,周期部分取历年月均值,残差部分计算残差上界、残差下界并应用Lasso回归模型基于外部影响因素建模预测。最后对各部分结果采用不同方案进行叠加,经判断后选取最合理的方案结果作为最终预测结果。本文成果开发...原创 2021-02-02 19:04:20 · 4810 阅读 · 2 评论