时间序列中的模式预测

Question

有没有人尝试过预测时间序列数据中的特定模式？

示例：在特定时间，时间序列中的某些变量出现巨大的上升峰值...... 我将如何建立一个模型来预测下一次出现的峰值？

如果有人在这方面工作，请回复。

我尝试将特定系列的数据转换为 NumPy 数组并尝试输入模型。但它不允许我。

这是数据的样子

这些数据是以受控方式生成的，因此我们可以让这些尖峰接近。在实际情况下，这可能是随机的，我们的主要目标是捕捉这种模式并进行计数。

Answer 1

各位，您可以尝试实现基于 LSTM 的神经网络模型。

见： https://machinelearningmastery.com/time-series-prediction-lstm-recurrent-neural-networks-python-keras/

仍然希望数据包含趋势。如果上升峰值发生在循环时间间隔的大约同一时间，则更有可能获得更好的预测结果。

在您分享的图像中，数据似乎有趋势。因此，LSTM 模型可以非常有效地提取模式并输出预测。

数据的统计建模也可以提供更好的结果。

见：https://orangematter.solarwinds.com/2019/12/15/holt-winters-forecasting-simplified/

Das，如果仅要求输出峰值的总数，那么我认为重型神经网络模型有点矫枉过正。然而，神经网络模型也可以很好地完成这项工作，但需要大量数据输入来进行训练和微调权重和偏差以提供非常好的结果。

您是否尝试实施基于阈值的技术，每次数据值超过预设阈值时增加一个计数器？在这种方法中，您应该确保将非常接近的峰组合在一起，以便在这种情况下计数只是一个。在这里你也可以在 x 轴上设置一个阈值。

ie:- 例如，对于给定的图，设 y 阈值为 4。如果仅考虑 y 轴阈值（y 值 4），则计数为 5。这是因为对于 15:48.2 处的 x 值，有两个峰值与 y 值 4 交叉。所以假设您在 x 轴上也设置了一个阈值，那么这些附近的峰值应在预设限制内分组在一起，最终计数将为 4（这是要求）。