[发明专利]使用复值矢量自回归的多步提前预测

说明书

提供用于多步提前预测的计算机实现的方法、计算机程序产品和系统。方法包括由处理器设备配置矢量自回归(VAR)模型以基于先前的观测生成多步提前预测。先前的观测是预测器，并且多步提前预测是对预测器的响应。方法进一步包括由处理器设备使用复值权重参数训练VAR模型，以避免与发散和收敛到零中的任一者相关的训练结果。

技术领域

本发明一般涉及数据处理，并且更具体地，涉及使用复值矢量自回归的多步提前预测。

背景技术

矢量自回归(VAR)是等式，n变量线性模型，其中每个变量依次由其自身的滞后值加上剩余n-1个变量的当前值和过去值来解释。也就是说，矢量自回归(VAR(p))是时间序列模型，它通过学习回归模型提供基于先前p观测的一步提前预测，在该回归模型中过去的观测是预测器，并且预测是响应。

基于VAR模型的N步提前预测有两种主要方法，如下：递归和直接的方法。在递归方法中，对于每个未来时间步(time step)，VAR模型基于先前的预测和观测进行一步提前预测。在直接方法中，使用多个VAR，其中第n个VAR预测第N步提前。

然而，虽然在某些情况下优于直接方法，但递归模型并非没有缺陷。例如，关于递归方法，当N很大时，因为递归预测导致发散或收敛到零，所以递归方法不能进行准确的预测。因此，需要改进的基于VAR的用于多步提前预测的递归方法。

发明内容

根据本发明的一个方面，提供了一种用于多步提前预测的计算机实现的方法。方法包括由处理器设备配置矢量自回归(VAR)模型以基于先前的观测来生成多步提前预测。先前的观测是预测器，并且多步提前预测是对预测器的响应。方法进一步包括由处理器设备使用复值权重参数训练VAR模型，以避免与发散和收敛到零中的任一者相关的训练结果。

根据本发明的另一方面，提供了一种用于多步提前预测的计算机程序产品。计算机程序产品包括非暂态计算机可读存储介质，非暂态计算机可读存储介质具有其所包含的程序指令。程序指令可由计算机执行以使计算机执行方法。方法包括由处理器设备配置矢量自回归(VAR)模型以基于先前的观测来生成多步提前预测。先前的观测是预测器，并且多步提前预测是对预测器的响应。方法进一步包括由处理器设备使用复值权重参数训练VAR模型，以避免与发散和收敛到零中的任一者相关的训练结果。

根据本发明的另一方面，提供了一种用于多步提前预测的计算机处理系统。系统包括用于存储程序代码的存储器设备。系统进一步包括处理器设备，用于运行程序代码以配置矢量自回归(VAR)模型以基于先前的观测来生成多步提前预测。先前的观测是预测器，并且多步提前预测是对预测器的响应。处理器设备进一步运行程序代码以使用复值权重参数训练VAR模型，以避免与发散和收敛到零中的任一者相关的训练结果。

根据本发明的另一方面，提供了一种用于多步提前预测的计算机实现的方法。方法包括由处理器设备配置矢量自回归(VAR)模型以基于先前的观测来生成多步提前预测。先前的观测是预测器，并且多步提前预测是对预测器的响应。方法进一步包括由处理器设备使用多步累积误差作为VAR模型的目标函数来学习VAR模型。

根据本发明的另一方面，提供了一种用于多步提前预测的计算机处理系统。系统包括用于存储程序代码的存储器。系统进一步包括处理器设备，用于运行程序代码以配置矢量自回归(VAR)模型以基于先前的观测来生成多步提前预测。先前的观测是预测器，并且多步提前预测是对预测器的响应。处理器设备进一步运行程序代码以使用多步累积误差作为VAR模型的目标函数来学习VAR模型。

从以下结合附图阅读的说明性实施例的详细描述，这些和其它特征和优点将变得显而易见。

附图说明

以下描述将参考以下附图提供优选实施例的细节，在附图中：

图1是示出根据本发明的实施例的可以应用本发明的示例性处理系统的框图；