然后预测值减去实际值,分别得到三组差值,然后再输入到LSTM中预测
2条回答 默认 最新
- CSDN专家-孙老师 2021-05-31 22:56关注
应该不可以,带有季节性的非平稳序列一般有两种预测方法:
1、传统的时间序列分解法
2、ARIMA模型
这两种方法是平行的,无论哪一种方法都可以预测带有季节性的非平稳序列。
如果将时间序列分解,得到该序列的趋势、季节性及残差成分,那么可以用第一种方法预测,没必要用ARIMA模型了。
对于第一种方法,一般来说,对于某个带有季节性的时间序列,分离出季节成分(季节指数S)和不规则变动(I),得到的一般都是线性趋势序列,用线性回归预测季节分离后的序列(T),然后用乘法模型,得到Y=T*S*I,可以得到最终的预测值。
LSTM也能够预测带有季节成分、趋势及周期成分等的时间序列,只是需要将数据转化为指定的形式,具体可以参考这个文章:基于LSTM的时间序列预测-原理-python代码详解_小小何先生的学习之旅-CSDN博客_lstm时间序列预测原理
本回答被题主选为最佳回答 , 对您是否有帮助呢?解决 无用评论 打赏 举报
悬赏问题
- ¥15 sqlite 附加(attach database)加密数据库时,返回26是什么原因呢?
- ¥88 找成都本地经验丰富懂小程序开发的技术大咖
- ¥15 如何处理复杂数据表格的除法运算
- ¥15 如何用stc8h1k08的片子做485数据透传的功能?(关键词-串口)
- ¥15 有兄弟姐妹会用word插图功能制作类似citespace的图片吗?
- ¥200 uniapp长期运行卡死问题解决
- ¥15 latex怎么处理论文引理引用参考文献
- ¥15 请教:如何用postman调用本地虚拟机区块链接上的合约?
- ¥15 为什么使用javacv转封装rtsp为rtmp时出现如下问题:[h264 @ 000000004faf7500]no frame?
- ¥15 乘性高斯噪声在深度学习网络中的应用