时间序列预测的最佳算法？
时间序列预测的最佳算法？
提问于 2020-10-26 20:45:57
我想问你一些关于时间序列预测问题的建议。特别是，我必须每天预测某一地区的总需水量，建立一个基于4个CVSs文件的模型，其中包括：
- 总需水量(日粒度时间序列，2年数据)
- 进入该地区蓄水池的水量(日粒度时间序列，2年数据)
- 离开该地区蓄水池的水量(日粒度时间序列，2年数据)
- 来自整个地区4,000个测量点的用水请求(日粒度时间序列，2年数据)。
在你看来，利用现有的数据和特征，对该地区的需水量进行良好预测的最佳模型是什么？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，因为我有很多特性，但没有多少天。提前谢谢您的帮助:)
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-10-26 21:25:42
预测不可避免地是一个特定领域的问题，因为当您了解您想要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。
有相当多的关于预测家庭用水需求的学术论文，如果你有机会的话，你可以看看：
例如。
- Chen和Boccelli对供水系统的需求预测(2014)
- 城市需水量预测: Donkor等人的方法和模型回顾(2014年)
- 预测用水量:德索萨·格罗波等人对所采用的方法和未来可能性的回顾。al (2019年)
我不是这个领域的专家，所以你应该等有人来回答这个问题，但我认为使用自回归模型 (如ARIMA)是一个很好的开始，因为需求本质上是由日常/每周例程和季节性效应驱动的综合人类活动。
有各种各样的例程来将这些模型与数据相匹配。Jason使用Python的这里包提供了一个很好的教程statsmodels.tsa。
你也可以看到人们在住宅能耗预测中使用了什么，因为这个问题可能与水需求预测非常相似。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/64544725
复制相关文章
相似问题
腾讯云开发者
