1、时序预测介绍
2、时序预测算法分类
- 单步预测 一般用统计学算法 机器学习算法 预测一天的数据
- 多步预测 一些好的算法或者深度学习算法可一次性预测比如十五天的数据 很多多场景中比单步预测好很多的
- 自回归预测 不能考虑其他因素影响 相关环境的影响如折扣、季节、促销等
- 使用协变量预测 相关环境的影响如折扣、季节、促销等可以作为协变量进行预测 使用协变量输入来优化模型的准确率
- 点预测
- 概率预测 给出一个预测概论区间 最大值最小值
- 一元时间序列预测
- 多元/多重时间序列预测 多元一次性预测多个类似商品 比如同时预测便面A、B、C的信息;多重的话 就是既可以预测方便面A的销量也可以预测它的损坏率次品率等通过不同的维度进行多重预测
选择合适的预测方法
DeepAR在概论预测和多重预测用的较多 其他算法在单点预测和一元预测用的较多
3、常见算法介绍
不同的算法 SMA保持趋势性变化
保持周期性变换
4、DeepAR介绍
一个自回归循环神经网络
论文 DeepAR: Probabilistic Forcasting with Autoregressive Recurrent Networks
论文地址:https://arxiv.org/abs/1704.04110
5、Demo
pytorch实现:https://github.com/zhykoties/TimeSeries