时间序列预测的最佳算法？

Question

我想问你一些关于时间序列预测问题的建议。特别是，我必须每天预测某个地区的总用水需求，基于 4 个 CVS 文件创建一个模型，其中包含：

• 汇总形式的需水量（时间序列，每日粒度，2 年数据）
• 进入该地区蓄水池的水量（时间序列，每日粒度，2 年数据）
• 离开该地区蓄水池的水量（时间序列，每日粒度，2 年数据）
• 来自该地区 4,000 个测量点的用水请求（时间序列，每日粒度，2 年数据）。

在您看来，使用可用数据和特征来准确预测该地区的用水需求的最佳模型是什么？我只能想到 LSTM 或 MLP，我不知道像 ARIMA 或 (SARIMA) 这样的东西在这种情况下是否有用，因为我有很多功能但没有很多天。 提前感谢您的帮助:)

Answer 1

预测不可避免地是一个特定领域的问题，因为当您了解您尝试预测的系统或过程时，您通常可以对模型和方法做出更好的决策。

有不少关于预测国内用水需求的学术论文，如果你有访问权限，你可以看看：

例如

• Demand Forecasting for Water Distribution Systems by Chen and Boccelli (2014)
• Urban Water Demand Forecasting: Review of Methods and Models by Donkor et al (2014)
• Predicting water demand: a review of the methods employed and future possibilities by de Souza Groppo et. al (2019)

我不是该领域的专家，因此您可能应该等待回答问题的人，但我认为正如您所建议的那样，使用auto-regressive model（例如 ARIMA）是一个好的开始，因为需求是主要是由于日常/每周例行公事和季节性影响固有地驱动的总体人类活动。

有多种例程可以将此类模型拟合到数据中。 Jason Brownlee 有一个很好的教程 here 使用 Python 的 statsmodels.tsa 包。

您还可以看到人们使用什么来预测住宅能源消耗，因为这个问题可能与用水需求预测非常相似。