基于历史趋势和预测误差的时序序列预测方法研究

针对时间序列预测方法训练复杂、迁移预测能力差等问题,提出一种自适应预测方法。先根据预测误差和当前值确定下一时刻预测值的范围,再结合短期历史趋势确定最终预测值。得到的当前预测值代入下一轮循环中继续预测,通过不断“预测-校正-预测”循环实现对数据预测。最后利用金融、风力等时序数据,LSTM、SVM、ARIMA、MA等经典时间序列预测算法在预测精度、迁移预测能力、运算速度等方面做了对比。