![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
时序预测
文章平均质量分 94
学海一叶
机器学习、深度学习、GIS、遥感
展开
-
时间序列预测系列之循环神经网络
循环神经网络(Recurrent Neural Network,简称RNN)是一类在处理序列数据和时间序列数据时非常有用的神经网络架构。RNN的主要特点是它们具有循环连接,允许信息从一个时间步传递到下一个时间步,从而捕获时间依赖性和序列关系。正是由于RNN这种可以处理上下文依赖的特性,在机器翻译、文本生成、情感分析、语音识别、时间序列预测、图像描述生成、和游戏AI等各领域得到广泛应用注:虽然RNN在许多序列建模任务中表现出色,但它们也有一些局限性,包括计算资源要求较高和难以捕获非常长的依赖性。原创 2023-09-13 14:57:12 · 859 阅读 · 0 评论 -
时间序列预测系列之ARIMA模型
在提到的AR模型,描述的是当前时刻的观测值Xt与过去时刻Xpp1...t的观测值之间的依赖关系MA模型描述的则是当前时刻的数据与过去噪声的关系。严格定义上来讲:其模型的定义是基于白噪声序列的假设。白噪声是一种特殊的时间序列模型,每个时间点的数据都是独立且服从相同分布的,且具有常数的均值和方差。MA模型的核心思想是使用一系列过去的白噪声(随机误差)观测值的线性组合来预测当前时刻的数据点。原创 2023-09-12 16:46:41 · 2462 阅读 · 0 评论 -
时间序列预测系列之AR模型
AR(Autoregression)模型:自回归模型,是一种线性模型,AR 模型的基本思想是当前时间点的观测值与之前时间点的观测值之间存在一定的自相关关系。AR 模型通常用参数 p 来表示自回归的阶数,表示当前时间点的观测值与前 p 个时间点的观测值相关。原创 2023-09-12 15:39:39 · 1623 阅读 · 0 评论