[发明专利]基于时间序列预测模型适用性量化的预测模型选择方法

摘要

基于时间序列预测模型适用性量化的预测模型选择方法，涉及时间序列预测模型预测领域。本发明是为了解决现有的时间序列特性预测方法对预测模型输出的预测结果预测角度单一，无法实现对预测模型性能的全面、综合的预测，导致预测效果差的问题。本发明根据每个预测模型的预测步长P、真实值x_k和预测模型输出结果获得各预测模型的误差和预测效率，根据预测需求在m个预测模型中，结合各预测模型的误差和预测效率，选取满足预测需求的最优预测模型，若满足预测需求的预测模型为一个，则该预测模型为最优预测模型，若满足预测需求的预测模型为多个，则将多个预测模型两两进行预测能力差异性检验，获得一个最优的预测模型。它可用于对预测模型进行预测。

主权项

基于时间序列预测模型适用性量化的预测模型选择方法，其特征在于，所述方法是基于m个预测模型实现的，它包括以下步骤：步骤一：根据每个预测模型的预测步长P、真实值x_k和预测模型输出结果获得各预测模型的误差和预测效率，其中，误差包括整体误差、局部误差、无量纲准则误差和多次试验性能误差，预测效率为对预测模型输入时间序列到预测模型输出结果所用的时间，所用的时间越短，则预测模型效率越高；步骤二：根据预测需求，在m个预测模型中，结合步骤一获得各预测模型的误差和预测效率，选取满足预测需求的最优预测模型，若满足预测需求的预测模型为一个预测模型，则该预测模型为最优预测模型，若满足预测需求的预测模型为多个预测模型，则将多个预测模型两两进行预测能力差异性检验，获得一个最优的预测模型。