May, 2023

疫苗供应链优化的预测协调

PDF
TL;DR本文通过对 2010 年至 2021 年葛兰素史克疫苗销售数据进行建模，使用多种 ARIMA 模型预测未来数值，并运用统计检验系统地比较各种调和方法的表现，比较 COVID 前后预测的表现。结果表明，最小迹线和加权最小二乘法与结构缩放是最佳表现的方法，提供了连贯的预测，同时减少了基准 ARIMA 的预测误差。
vaccine supply chain optimizationhierarchical time series forecastingreconciliation methodsarima modelscovid
发现论文，激发创造
  • 具有贝叶斯建模的分层时间序列预测

    我们专注于从贝叶斯角度进行预测调和，提出了一种方法来预测调和，并定义了具有线性结构的普通情况 - 线性高斯调和。我们在合成和真实数据集上评估了这些方法，并将它们与该领域的其他工作进行了比较。

    Aug, 2023

  • 如何预测风力发电厂的发电量？通过利用层级结构洞察

    研究通过 hierarchies、linear regression 和 machine learning 方法比较不同时间和横截面调和方法的准确性，发现 cross-temporal reconciliation 能在多个时间聚合上优于 individual cross-sectional reconciliation，同时机器学习模型在较粗的时间粒度上也表现出高准确性，鼓励其在短期风力预测中的采用。此外，研究还发现在横截面风力时间序列上，线性回归模型可以胜过机器学习模型。

    Aug, 2023

  • 分层学习：预测稳合时空个体和聚合建筑负载

    提出了一种基于机器学习回归器的多维层级预测方法，并使用统一框架协调空间和时间层次，在两个不同的案例研究中对其进行了评估，以预测建筑电负荷，为未来的预测回归器提供了方法和路径。

    Jan, 2023

  • GMP-AR：面向时间层次预测的粒度消息传递和自适应调解

    时间序列预测在不同的时间粒度上广泛用于实际应用中，本文提出了一种新的粒度消息传递机制（GMP）来利用时间层次结构信息提高预测性能，并引入自适应协调策略（AR）来保持一致性，同时考虑实际约束条件。实验证明，我们的框架（GMP-AR）在时间层次预测任务上表现优于最先进的方法。

    Jun, 2024

  • 一种用于分层预测的自监督方法，并应用于群体综合控制

    提出一种新的损失函数，可与任何最大似然目标相结合，并可用于具有层次数据的预测时间序列，从而生成具有置信区间的协调估计，以正确地考虑由于不完美的调节而产生的额外不确定性。

    Jun, 2019

  • 自动预测：匈牙利水痘病例估计的时间序列预测模型评估

    本文利用时间序列预测技术对匈牙利的水痘病例进行模拟预测，演示 LSTM 模型在县级预测方面的表现优于其他模型，SARIMAX 模型在国家级预测方面的表现最佳。同时，我们的数据预处理方法的表现也优于传统的数据预处理方法。

    Sep, 2022

  • 分层正则化深度预测

    本研究提出了一种可扩展的分层预测方法，利用基础时间序列的系数对分层约束进行建模，并使用一个随时间变化的线性自回归模型，同时考虑了相对时间序列预测的协调约束，实验证明该方法相较于现有分层模型具有显著的预测性能提升。

    Jun, 2021

  • 具有一致聚合的概率预测

    通过使用卷积神经网络构建了一个新模型，利用因子模型结构生成一致的预测结果；在三个层次预测数据集上相比其他方法显著提高了 11.8% 至 41.4%；同时分析了基层分布和因子数量对模型参数的影响。

    Jul, 2023

  • 应用于日前电力拍卖的聚合曲线层次预测

    通过分层对调和曲线的构建和解构，以及对几种前沿的对调方法的分析以及实证研究德国日前电力拍卖市场的需求和供给曲线预测，证明了分层对调方法在提高这种曲线预测准确性方面是可行的。

    May, 2023

  • 基于图形的时间序列聚类用于端到端分层预测

    本文介绍一种基于图形结构的方法，用于在时间序列预测的深度学习中统一相对和层次的归纳偏见，该方法相对其他方法效果更佳。

    May, 2023