时间序列预测中的八大挑战

本文转载自知乎

时间序列是一系列按时间排序的值，预测时间序列在很多真实工业场景中非常有用，有非常多的应用场景。预测时序的关键是观察时序之间的时间依赖性，发现过去发生的事情是如何影响未来的。然而这其中有不少挑战。

本文作者归纳历年来时序领域的研究论文，总结出以下八大挑战。这八大挑战几乎是能影响时序预测准确性的主要原因，解决这些问题对研究设计出好的时序预测模型非常有意义。

下面将为大家介绍。

非平稳性

平稳性是时间序列中的一个核心概念。如之前文章所介绍的，时序的统计量（比如均值，方差等）不随时间变化，则该时序是平稳的，因为其取值不依赖于时间位置。

许多现有的时序预测方法都假设时间序列是平稳的，但真实场景中趋势或季节性等因素都会破坏平稳性。一般我们需要转换时间序列，以减少这个问题，比如对时序进行差分、取对数等等。同时，也可通过几种方法检验时间序列是否平稳，如单位根检验（ADF）、KPSS-test 等。

预测步长过长

一般场景中，时序预测通常被定义为预测时序的下一个值。但提前预测多个步长在真实场景中有更重要的实际意义，帮助到真实的决策场景。

然而，预测更远的未来必然会增加不确定性，因此，预测更长的时间段，增加确定性，是预测任务中的一大挑战。

对罕见事件的关注

通常，我们会对时序数据中的罕见情况更加关注，这些一般处于分布的尾部。以能源生产为例，预测用电高峰对于管理电网的供需至关重要。

通常情况下，罕见的事件会带来重大的长期后果，典型的例子是股市崩盘，这些事件会导致许多投资者的财务破产。罕见的事件可能会影响数据分布，从而使当前的模型失效。关于这些情况以及它们是如何发生的信息很少，因此很难预测它们。

有几种方法可以改进极值的预测：

• 使用成本敏感模型；
• 利用面向极端情况的统计分布；
• 重新采样训练数据的分布。

额外的依赖

除了数据本身的时间依赖之外，时间序列通常还有额外的依赖关系。比如时空数据，这是一个常见的例子，每个观察值在二维上是相关的，有自己的时间依赖性和附近位置空间依赖性。

这些时序由多个变量表示，额外变量可能包含宝贵的信息。因此，对它们进行建模对于提高预测性能可能至关重要。

变点

事物会随着时间的推移而变化，代表这些事物的时间序列的数据分布也是如此， 重大变化被称为变点。当它们突然发生时，这些变化被称为结构断裂。有时变化点是已知的，比如市场崩溃或战争爆发，这深刻影响了组织的运作方式。

随着时间的推移，分布已经改变了，那么旧的观察对新的状态就没有了指导意义，同时关于新分布所能获得的信息又很少。检测和适应变化对于保持模型最更新很重要。

低信噪比

直观地讲，信噪比量化了时间序列的可预测性。

信号是数据的相关部分，也是试图建模和理解的东西。但是，这个信号经常被噪音或看似随机的、不可预测的波动所掩盖。

有时候这种噪音可能是我们缺乏领域知识，不知道哪些因素影响了数据，或者这些因素很难量化。所以真实时间序列的变化看起来比较随机。典型的例子就是金融数据，低信噪比数据在真实世界中是普遍存在的。

噪声和缺失

噪声可能源于数据采集不足或错误。比如噪声、缺失值可能是由于设备故障引起的，传感器故障导致数据丢失或者存在干扰，导致错误读数。

噪声也可能是由于错误的标签而产生的，当注释者给数据分配了错误的标签时就会出现这种情况。噪音和缺失值会比较严重的影响模型的准确性，适当的预处理步骤可以帮助增强序列的信号，比如卡尔曼滤波器或指数平滑。

小样本量

有些时候，我们需要对拥有较少数据的时序进行分析，比如极端天气，患病记录等。这种情况下，算法可能没有足够的数据来建立适当的模型。

这个问题一方面是由于采样频率低所造成的。例如，时序只按月或按年观测，或者它们所代表的事物很少发生，是离散的数据点，比如极端天气事件。

数据的缺乏另一方面可能是由于变点引起的，如果发生重大变化，历史数据就会过时，需要反映新分布的新数据。又如零售行业的冷启动问题，新推出的产品信息没有历史的信息积累，数据很少但同样需要进行客群的定位和推送。

数据缺乏的问题一般可以通过全局预测模型来缓解，比如 Lightgbm，这些模型会利用许多同类型的时间序列来构建一个整体模型，用于对小样本数据情况进行分析预测。