基于DTW相似判定的周期性时间序列预测方法

摘要

针对大样本下周期性时间序列预测的问题,文中给出了一种基于DTW距离的相似样本度量方法.首先,给出周期性时间序列预测问题的定义,并基于支持向量回归方法分析大量噪声点对预测误差的影响.然后,通过对时间序列周期分段来构建相似性度量,在给定预测样本容量下确定给定预测条件的相似样本子集.同时,基于误差调谐函数对SVM的核函数进行调整,以进一步提升预测精度.最后,基于常用的周期性时间序列,在预测精度上将所提方法与已有算法进行实验比较,并分析该模型的参数敏感性.实验结果验证了所提方法的有效性.