【统计学】【2010.01】时间序列预测的组合：何时以及为什么能使人受益？
本文为英国伯恩茅斯大学（作者：Christiane Lemke）的博士论文，共139页。
时间序列预测在许多应用领域有着悠久的历史。在预测研究中，有人指出，找到一种最适合所有可能情况的算法是没有希望的。因此，当前的研究工作并没有致力于设计一个单一的优越算法，而是转向更深入地理解一种预测方法在某些条件下可能表现良好而在其他条件下可能失败的原因。这篇论文对这个问题提供了一些贡献。
传统的经验评估是从一个新的角度进行讨论，质疑在没有领域知识的情况下使用复杂预测方法的好处。一个实证研究侧重于相关的离线预测组合方法强调了相对简单的方法在实际应用中的竞争力。此外，还提取了时间序列的元特征，利用元学习自动发现和利用特定应用数据特征与预测性能之间的联系。最后，讨论了通过多样化函数方法、参数集和用于学习的数据聚合级别来扩展输入预测集的方法，并将结果预测的特性与各个方法和组合的不同误差分解联系起来。为了充分利用预测生成过程的知识，研究了高级组合结构。预测是航空公司收入管理中的一个关键因素；预测预期的订票、取消量和无票数量将直接影响到航线和时刻表的总体规划、票价等级的运力控制和超订限制。本文与德国汉莎航空公司（Lufthansa）合作，在一个航空公司数据集上进行了实验，目的是通过修改算法来改进当前的预测方式。为了将本文所研究方法的结果与预测研究的现状进行比较，一些实验还使用了最近两次预测竞赛的数据集，从而能够提供学术研究和工业实践之间的联系。
Time series forecasting has a long trackrecord in many application areas. In forecasting research, it has beenillustrated that finding an individual algorithm that works best for allpossible scenarios is hopeless. Therefore, instead of striving to design asingle superior algorithm, current research efforts have shifted towards gaininga deeper understanding of the reasons a forecasting method may perform well insome conditions whilst it may fail in others. This thesis provides a number ofcontributions to this matter. Traditional empirical evaluations are discussedfrom a novel point of view, questioning the benefit of using sophisticatedforecasting methods without domain knowledge. An own empirical study focusingon relevant off-theshelf forecasting and forecast combination methodsunderlines the competitiveness of relatively simple methods in practicalapplications. Furthermore, meta-features of time series are extracted toautomatically find and exploit a link between application specific datacharacteristics and forecasting performance using meta-learning. Finally, theapproach of extending the set of input forecasts by diversifying functionalapproaches, parameter sets and data aggregation level used for learning isdiscussed, relating characteristics of the resulting forecasts to differenterror decompositions for both individual methods and combinations. Advancedcombination structures are investigated in order to take advantage of theknowledge on the forecast generation processes. Forecasting is a crucial factorin airline revenue management; forecasting of the anticipated booking,cancellation and no-show numbers has a direct impact on general planning ofroutes and schedules, capacity control for fareclasses and overbooking limits.In a collaboration with Lufthansa Systems in Berlin, experiments in the thesisare conducted on an airline data set with the objective of improving thecurrent net booking forecast by modifying one of its components, thecancellation forecast. To also compare results achieved of the methodsinvestigated here with the current state-of-the-art in forecasting research,some experiments also use data sets of two recent forecasting competitions,thus being able to provide a link between academic research and industrialpractice.
- 引言
- 航空公司收入管理与预测
- 我们需要时间序列预测专家吗？
- 航班数据的预测组合
- 元学习
- 航空公司应用的多样化战略
- 结论与展望
附录A 设计软件的详细描述
更多精彩文章请关注公众号：
【统计学】【2010.01】时间序列预测的组合：何时以及为什么能使人受益？相关推荐
- 笔记代码 | 统计学——基于R（第四版） 第十一章 时间序列预测
文章目录 时间序列预测 时间序列的成分和预测方法 时间序列的成分 预测方法的选择与评估 指数平滑预测 指数平滑模型的一般表达 简单指数平滑预测 Holt指数平滑曲线 Winter指数平滑预测 趋势外推 ...
- 组合预测 | MATLAB实现EMD-KPCA-LSTM、EMD-LSTM、LSTM多变量时间序列预测对比
组合预测 | MATLAB实现EMD-KPCA-LSTM.EMD-LSTM.LSTM多变量时间序列预测对比 目录 组合预测 | MATLAB实现EMD-KPCA-LSTM.EMD-LSTM.LSTM多 ...
- 时间序列预测11：用电量预测 01 数据分析与建模
[时间序列预测/分类] 全系列60篇由浅入深的博文汇总:传送门 写在前面 通过之前有关LSTM的8遍基础教程和10篇处理时间序列预测任务的教程介绍,使用简单的序列数据示例,已经把LSTM的原理,数据处 ...
- 时间序列预测01：如何将时间序列预测转化为监督学习问题
时间序列预测可以被构造为一个监督学习问题.通过对时间序列数据的重构,可以针对不同问题使用相关的机器学习算法.本文介绍了如何将时间序列问题重新构造为机器学习中的监督学习问题. [时间序列预测/分类] 全 ...
- 统计学——时间序列预测
统计学(第6版) 贾俊平 读书笔记 第13章 时间序列分析和预测 时间序列是同一现象在不同时间上的相继观测值排列而成的序列.本书中用t表示所观察的时间,Y表示观察值,则Yi( i =1, 2, -, ...
- 时间序列预测05：CNN时间序列预测模型详解 01 Univariate CNN、Multivariate CNN
[时间序列预测/分类] 全系列60篇由浅入深的博文汇总:传送门 卷积神经网络模型(CNN)可以应用于时间序列预测.有许多类型的CNN模型可用于每种特定类型的时间序列预测问题.在本介绍了在以TF2.1为 ...
- 组合预测模型 | ARIMA-LSTM时间序列预测（Python）
组合预测模型 | ARIMA-LSTM时间序列预测(Python) 目录 组合预测模型 | ARIMA-LSTM时间序列预测(Python) 预测结果 基本介绍 程序设计 参考资料 预测结果 基本介绍 ...
- 【统计学】【2015.09】基于状态空间模型的时间序列预测与插值
本文为芬兰于韦斯屈莱大学(作者:Jouni Helske)的毕业论文,共87页. 今天收集的大量数据都是以时间序列的形式出现的.为了根据时间序列预测做出真实的推断,除了点预测之外,还应确定预测间隔或其 ...
- 时间序列预测07：如何开发LSTM实现时间序列预测详解 01 Univariate LSTM
[时间序列预测/分类] 全系列60篇由浅入深的博文汇总:传送门 Long Short-Term Memory networks(长-短期记忆网络),简称 LSTMs,可用于时间序列预测.有许多类型的L ...
最新文章
- 使用php和json实现html页面,php – 将HTML放在JSON中
- 做到我这样，你也能拿到京东Offer
- jquery.min.js一引入到工程中显示红叉，或其他.js文件显示红叉
- mysql存储过程的正确描述_MySQL存储过程中的基本函数描述
- java 根据类名示例化类_Java收集器类– 18个示例
- 【Android】 Android实现录音、播音、录制视频功能
- 剑指offer题解 带讲解 python版 第一部分
- linux分布式文件部署,Linux的企业-分布式文件系统mfs（moosefs）搭建与配置
- 文本文件和二进制文件的差异和区别
- stm32 LCD1602显示
- 《Java 面经手册》PDF，全书5章29节，417页11.5万字，完稿发版！
- 微分方程求解二（偏微分方程求解）
- 2022面试必刷461道大厂架构面试真题汇总+面经+简历模板
- 儿时的小游戏：象狮虎豹狼狗猫鼠
- QNET：APP弱网络测试专家
- 计算机两个用户怎么设置密码,电脑如何设置密码 电脑密码三个设置
- 关于百度站长工具中站点属性LOGO提交申请详解说明
- 神经网络方法研究及应用,神经网络算法实例说明
- Django项目 no signature found for builtin错误原因
- 【现控理论】（一、状态空间表达式及建立）----学习笔记