forecasting models | BriefGPT

关键词forecasting models

搜索结果 - 23

深度学习中的预测：超越平均值的平均值性能
准确评估预测模型对于确保可靠的预测至关重要。我们提出了一个新的框架，从多个角度评估单变量时间序列预测模型，比如一步预测和多步预测。通过与经典预测技术比较，我们展示了这一框架的优势，并发现 NHITS 在多步预测上表现最佳，同时在异常处理方面
PDF10 days ago
WEATHER-5K：全球大型站点天气数据集用于综合时间序列预测基准
全球站点天气预测（GSWF）对航空、农业、能源和灾害准备等各个领域至关重要。最近深度学习的进展通过基于公共气象数据优化模型，显著提高了天气预测的准确性。然而，现有的 GSWF 优化和基准数据集仍存在重大限制，如规模小、时间覆盖有限和缺乏全面
PDF14 days ago
评估多模态时间序列预测模型（MM-TSFM）的稳健性
本文介绍了一种评估多模态时间序列预测模型的鲁棒性的评级方法，通过因果分析来理解和量化各种属性对多模态时间序列预测准确性的独立影响，并在大规模实验中应用该评级方法，以提取关于鲁棒预测模型的洞见以及其优势的背景。多模态（数值 + 视觉）预测被发
PDF22 days ago
降水预测的深度学习：从时间序列预测的角度看调查
近期基于深度学习的时序降水预测模型研究进展与性能评估综述
PDFa month ago
在低数据环境中通过合成数据提高室内温度预测能力
通过结合真实数据和合成数据来改善训练集并解决数据不平衡问题，合成数据增强在提高预测准确性方面具有潜力，并可为低数据环境下的更强大的预测模型铺平道路。
PDFa month ago
通过自动整合市场指标优化销售预测
通过整合宏观经济时间序列和不同的特征选择方法，本研究探索数据驱动技术在改善顾客需求预测中的潜力。将不断自动识别的适当时间序列应用于工业合作伙伴的销售数据，并发现通过整合外部信息能够显著提升预测能力，尤其是使用前向特征选择技术能够自动化、无需
PDF2 months ago
时间序列数据增强的不平衡学习问题
这篇研究提出了一种生成单变量时间序列合成样本的新方法，通过使用过采样技术创建合成时间序列观测来改善预测模型的准确性，并在实验中证明了该方法优于全局模型和本地模型，提供了更好的权衡。
PDF2 months ago
分析急诊科患者候床现象的变化并在香港 COVID-19 疫情波动中验证预测模型的可转移性：基于混合 CNN-LSTM 方法量化建筑层次的社会生态风险
应用了混合卷积神经网络（CNN）- 长短期记忆（LSTM）模型，通过公共领域数据来源于香港的医院管理局、卫生署和房屋管理局，研究急诊科（ED）的等候时间超过四个小时（ED 候诊）与患者结果和卫生系统表现之间的关联。同时，通过深度迁移学习方法
PDF4 months ago
语言模型完善中被遗忘的示例预测
语言模型在实际应用中存在错误。为了改进回放过程和可解释性，我们尝试预测由于模型更新而被遗忘的上游示例。通过训练预测模型，我们提出了一种部分可解释的预测模型，基于预训练示例的前 softmax 对数几率分数的变化与在线学习示例的相似性，其在
PDF5 months ago
基于卫星的特征提取与贝类毒素污染的多元时间序列预测
通过使用卫星数据构建预测模型，结合贝类毒素污染数据，能够提升贝类毒素污染水平的预测，并证明了远程感应等高维数据的集成对模型的预测能力没有负面影响。
PDF7 months ago
一种适应性标准化模型用于日前电力价格预测
通过引入自适应标准化来缓解市场中常见的数据集变化效应，学习算法可以优先揭示目标变量和解释变量之间的真实关系，从而提高预测模型性能。
PDF8 months ago
金融时间序列中的弱监督学习模式对趋势跟随策略的影响
我们提出了一种新颖的时间序列趋势跟踪预测器，能够快速适应新的市场条件，通过在金融时间序列中关注上下文集中的趋势，将类似模式的趋势转移到新的目标条件中进行预测和操作，其适应能力优于神经预测器和传统时间序列动量策略，能够在市场动荡期实现 18.
PDF9 months ago
黑盒模型即足以侵犯隐私：以智能电网预测模型为例
该研究探讨了与预测模型相关的潜在隐私风险，重点关注其在智能电网背景下的应用。深度学习（如 LSTM）等基于深度学习的预测模型在优化智能电网系统等多个应用中发挥关键作用，但也引入了隐私风险。研究分析了预测模型泄漏全局属性和对智能电网系统隐私的
PDF10 months ago
应用高级机器学习模型和多变量输入预测急诊科拥堵
应用先进的机器学习模型（N-BEATS 和 LightGBM）对急诊科床位 24 小时之后的占用情况进行预测，结果显示 N-BEATS 和 LightGBM 优于统计基准模型，而 DeepAR 模型能以 0.76（95% CI 0.69-0
PDF10 months ago
GBT：面向非平稳时间序列预测的两阶段 Transformer 框架
该论文表明时间序列预测转换器 (TSFT) 存在严重的过拟合问题，该问题是由于未知解码器输入的不当初始化方法引起的，特别是在处理非平稳时间序列时，该论文提出了 GBT，一种新的两阶段 Transformer 框架，将 TSFT 的预测过程分
PDFa year ago
敏捷预测模型开发的精简框架：实现高效库存管理
提出了一种开发预测模型的框架，包括数据集清理、算法选择、多重交叉验证等步骤，以及在智能预测竞赛和库存管理中的应用。
PDFa year ago
容量与鲁棒性的权衡：重新审视适用于多元时间序列预测的通道独立策略
本文对多元时间序列数据的特征和 Channel Independent/Channel Dependent 策略进行了综合实证和理论分析，结果表明，CD 方法具有更高的容量，但常常缺乏精确预测分布漂移时间序列的鲁棒性，而 CI 方法则是在容
PDFa year ago
MM一种优化服务自动取款机和信息支付终端网络的模型研究
本文旨在创建一种支付终端网络的现金管理系统，解决支付终端中现金加载的优化问题。通过使用三重指数平滑模型、带有长短期记忆的循环神经网络和奇异谱分析模型对 ATM 机每日现金提取进行预测，并构建离散最优控制模型来开发最优的付款终端现金加载计划。
PDF2 years ago
KDD识别和克服预测模型中的转换偏差
本文研究了预测模型中使用目标变量的对数和平方根变换会引入负偏差的问题，并提出了两种校正方法，通过实验证明校正方法可以提高模型表现，同时也提出了 Tweedie 回归模型可以作为解决方案之一。
PDF2 years ago
Twitter 对话预测每日 COVID-19 确诊病例
本研究利用推特对澳大利亚 COVID-19 病例进行情感分析和话题模型分析，探究社交媒体对疫情预测的作用，结果表明加入社交媒体变量可以改进疫情预测模型的准确性，并发布全球的 MegaGeoCOV 数据集，以帮助更好地理解全球疫情的动态。
PDF2 years ago