通过神经网络进行时间序列预测答案

【问题标题】：Time Series Prediction via Neural Networks通过神经网络进行时间序列预测
【发布时间】：2011-05-12 23:09:18
【问题描述】：

我最近一直在为各种目的研究神经网络。我在数字识别、XOR 和各种其他简单/hello world'ish 应用程序方面取得了巨大成功。

我想处理时间序列估计的领域。我目前没有大学帐户来阅读有关该主题的所有 IEEE/ACM 论文（免费），也找不到许多详细说明使用 ANN 进行时间序列预测的资源。

我想知道是否有人对使用 ANN 通过时间序列数据进行预测有任何建议或可以推荐任何资源？

我假设要训练 NN，您将立即插入几个时间步，预期输出将是下一个时间步（例如：输入 n-5、n-4、n-3、n-2、 n-1 应该在时间步 N 处输出结果。...然后向下滑动一些时间步并再次执行所有操作。

任何人都可以确认或评论吗？我会很感激！

【问题讨论】：

标签： neural-network time-series artificial-intelligence recurrent-neural-network

【解决方案1】：

我认为您已经掌握了基本概念：“滑动窗口”方法，其中网络被训练为使用系列的最后一个 k 值 (T_nk ... T _n-1) 来预测当前值（T_n）。

不过，有很多方法可以做到这一点。例如：

那个窗口应该有多大？
是否应该以任何方式对数据进行预处理（例如去除异常值）？
应该使用什么网络配置（例如隐藏节点数、层数）和算法？

通常人们最终会通过反复试验找出从特定数据中学习的最佳方法。

关于这些东西，有相当多的可公开访问的论文。从这些开始，看看他们的引文和通过谷歌学术引用他们的论文，你应该有很多阅读：

Frank, R. J. 和 Davey, N. 和 Hunt, S. P. Time Series Prediction and Neural Networks。 智能和机器人系统杂志，2001 年。第 31 卷，第 1 期，第 91-103 页。
J.T.康纳、R.D. Martin 和 L.E.阿特拉斯。 Recurrent neural networks and robust time series prediction。 IEEE Transactions on Neural Networks，1994 年 3 月。第 5 卷，第 2 期，第 240 - 254 页。

【讨论】：

【解决方案2】：

从技术上讲，这与您的数字识别相同 - 它正在识别某些东西并返回它是什么......

嗯 - 现在你的输入是前面的步骤 (T_-5 ... T_-1) - 你的输出是预测的步骤 (T0, T₁...).

人工神经网络本身的机制是相同的——你必须教每一层进行特征检测，纠正它对事物的重建，使它看起来像实际发生的事情。

（关于我的意思的更多信息：tech talk）

【讨论】：

【解决方案3】：

有一种名为recurrent neural networks (RNNs的神经网络。使用这些模型的一个优点是您不必为输入示例定义滑动窗口。一种称为 Long-Short Term Memory (LSTM) 的 RNN 变体可以潜在地考虑以前时间戳中的许多实例，并且使用“忘记门”来允许或禁止从以前的时间戳中记住以前的结果。

【讨论】：