时间序列预测

Question

我有一个输入序列和目标序列。然而，目标序列落后于输入3步。我还可以使用narx或其他网络吗？

http://www.mathworks.co.uk/help/toolbox/nnet/ref/narxnet.html

Predict: y(t+1)
Input:
x(t)  |?
x(t-1)|?
x(t-2)|?
x(t-3)|y(t-3)
x(t-4)|y(t-4)
x(t-5)|y(t-5)
...

在我的训练过程中，我提前得到了y(t-2)，y(t-1)，y(t)，但当我在现实生活中进行预测时，这些值只在3步之后才可用，因为我是从接下来的3个输入中计算y的。

Answer 1

以下是一些选项

1)此外，您可以有两个输入和一个输出，如下所示

x(t)，y(t-3) -> y(t)

x(t-1)，y(t-4) -> y(t-1)

x(t-2)，y(t-5) -> y(t-2) ...

并预测单个输出y(t)

2)您还可以使用ar或arx，其中na = 0，nb > 0，nk = 3。

3)此外，您可以有四个输入，其中两个输入是估计的，一个输出为

x(t)，y(t-3)，y(t-2)，y(t-1) -> y(t)

x(t-1)，y(t-4)，y(t-3)，y(t-2) -> y(t-1)

x(t-2)，y(t-5)，y(t-4)，y(t-3) -> y(t-2) ...

并预测单个输出y(t)，使用行3和更高作为训练数据

4)您可以按照第一步或第三步中的方式设置输入/输出，并使用s4sid

我也有类似的问题，但没有任何可测量的输入。我试着看看随着预测距离和模型复杂性的增加，误差会有多大。但我只尝试了方法2，将nb =5到15乘以5，并将nk从20到150乘以10，并绘制了最大误差的等高线。在我的例子中，我对少于20个时间步长的预测不感兴趣。

Answer 2

定义一个你选择的窗口(你需要尝试不同的大小来看看哪一个是最好的)。现在把这个问题变成一个回归问题。使用t=T-2中的xt和yt的值...T-x其中x-2是窗口的大小。现在使用regress()训练回归模型并将其用于预测。