如何知道时间序列序列是可预测的还是随机的(单变量时间序列预测)?

数据挖掘 深度学习 喀拉斯 时间序列 lstm 有马
2021-10-06 05:08:25

我正在尝试根据其前 10 个值预测变量的当前值。我尝试了多种时间序列方法,包括 ARIMA、LSTM 和线性回归……它们都没有真正表现良好,所以我开始认为我拥有的数据序列只是随机的,不可预测。

如果您有任何建议,请告诉我。或者,如果您知道我可以计算的任何指标,以确保我拥有的数据序列不仅仅是随机的。

对于 LSTM,我正在尝试使用 Window 方法在以下链接中进行预测: https ://machinelearningmastery.com/time-series-prediction-lstm-recurrent-neural-networks-python-keras/

这是我正在使用的自相关图和数据序列的一部分:

在此处输入图像描述

在此处输入图像描述

1个回答

时间序列可预测性的度量是“谱熵”。我是从 Rob Hyndman 的一些谈话中了解到的,所以这里是他对 R tsfeatures 包的实现的描述,熵

谱熵是香农熵 −∫π−πf^(λ)logf^(λ)dλ,其中 f^(λ) 是数据谱密度的估计值。这衡量了时间序列的“可预测性”,其中低值表示高信噪比,而当序列难以预测时出现大值。

entropy(AirPassengers)
#>   entropy 
#> 0.2961049