基于STL和EMD的时间序列预测算法研究

2021-12-13曹丹阳马金锋

电子元器件与信息技术 2021年8期

曹丹阳，马金锋

(北方工业大学信息学院，北京 100144)

0 引言

时间序列作为一种常见的数据形式，在气象，金融，零售，水文和电力等很多领域有着广泛的应用，也是一个备受关注的研究热点。时间序列的研究领域主要包括异常检测，分类，聚类，可视化和预测。我们关注的重点是时间序列的预测。一个准确的时间序列模型有着巨大的经济价值，比如对气象数据的预测，能够帮助人们防灾减灾，对经济数据的预测，能够帮助政府提前制定经济政策。

由于时间序列的复杂性，学者通常使用分解方法是将原始信号分解为几个分量，以便更好的分类和回归[1-3]。这个想法可以作为借鉴在大多数时间序列预测中，通过将原始时间序列分解为一组相对简单的子模态平稳波动，多尺度集成预报能够增强预报能力性能[4]。

学者们提出了一种“分解与集成”的“分治”框架有效地提高了预测精度，特别是对具有非线性的序列数据和非平稳[5]。“分解和集成”框架的主要思想是将原来复杂的预测任务分解为几个相对简单的子任务，然后，每一个子任务用单一预测方法对子任务进行预测，最后将预测结果进行汇总作为最终预测结果[6-7]。因此，“分解与集成”的框架可以有效地简化建模的复杂性。此外，据报道，这一框架能达到更高的预测精度，更好的方向性预测和更高的鲁棒性，显示它对复杂时间序列的预测很有前景[8-9]。