基于Granger因果关系的多变量时间序列预测模型

• 作者: 孙友强 王儒敬
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 多变量时间序列数据 预测 Granger因果关系 滞后观测期 支持向量回归
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 154-156,280
• 页数: 4页
• 分类号: TP3
• 字数: 3922字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2015.11.036

摘要

时间序列数据包含内在的时序结构,而传统的针对多变量时间序列的预测方法没有考虑变量序列的历史观察值的影响.为此,提出一种基于Granger因果关系挖掘的多变量时间序列预测模型.通过选择有效的因变量并加入其滞后观测期来提高支持向量回归对目标序列的预测,同时也提供了较好的因果解释性.理论推导和实验结果表明,该方法不仅能获得比传统方法更精确的预测效果,而且减少了参与运算的变量时间序列.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王儒敬	中国科学院合肥智能机械研究所	95	665	14.0	21.0
2	孙友强	中国科学技术大学信息科学技术学院	1	2	1.0	1.0