Persistence Model
today equal tomorrow
有几种不同的方法可用于创建预测。预测者选择的方法取决于预测者的经验,预测者可用的信息量,预测情况所呈现的难度以及预测所需的准确性或置信度。
这些方法中的第一个是持久性方法。产生预测的最简单方法。持久性方法假定预测时的条件不会改变。例如,如果今天晴天和87度,则持久性方法将预测明天明天晴天和87度。如果今天有两英寸的降雨,那么持久性方法将预测明天会有两英寸的降雨。
![3e53ecf481fbdd4f8e366e639aa6c8cb.png](https://img-blog.csdnimg.cn/img_convert/3e53ecf481fbdd4f8e366e639aa6c8cb.png)
当天气模式变化很小并且天气地图上的特征移动非常缓慢时,持久性方法会很好地工作。它在像加利福尼亚南部那样的夏季天气条件每天变化不大的地方也能很好地工作。但是,如果天气条件每天变化很大,则持久性方法通常会失效,并且不是最佳的预测方法。
持久性方法似乎也仅适用于短期预报(例如,一两天的预报),但是,持久性预报最有用的作用实际上是预报远程天气状况或进行气候预报。例如,通常在一个炎热干燥的月份之后是另一个炎热干燥的月份。因此,对月度和季节天气状况进行持久性预测可能会有所帮助。其他一些预报方法,例如 数值天气预报,则失去了超过10天的预报技能。这使持久性成为预测较长时间段的“难以击败的”方法。
建立基线对于任何时间序列预测问题都是必不可少的。
性能基准可以使您了解所有其他模型在解决问题上的实际效果。
在为预测建模问题开发了机器学习模型之后