亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于深度學(xué)習(xí)模型DeepAR的時間序列預(yù)測及應(yīng)用實例

        2020-07-20 06:39:01朱剛李文杜守國崔久強
        電子商務(wù) 2020年7期

        朱剛 李文 杜守國 崔久強

        摘要:時間序列是一種廣泛存在于現(xiàn)實中的數(shù)據(jù),常見的例子有股市的每日波動,每月家庭耗電量的記錄等。經(jīng)典的時間預(yù)測方法,往往有很多局限性,如自回歸積分滑動平均方法(ARIMA)或指數(shù)平滑方法(ETS),將一個模型擬合到各個單獨的時間序列,進(jìn)行單點預(yù)測。而在真實場景中,知道某個商品的將來需求量的概率分布情況,比簡單預(yù)測該商品未來需求量的實值更有價值。深度神經(jīng)網(wǎng)絡(luò)在時間序列預(yù)測領(lǐng)域已經(jīng)有了許多成功的應(yīng)用,F(xiàn)lunkert和Gasthaus等人(2019)提出了深度自回歸模型(DeepAR),通過聯(lián)合所有時間序列來訓(xùn)練單個模型受益,當(dāng)數(shù)據(jù)集包含數(shù)百個相關(guān)時間序列時,DeepAR優(yōu)于標(biāo)準(zhǔn)ARIMA和ETS方法。本文運用GluonTS框架對DeepAR模型在上海市制造業(yè)歷年就業(yè)人數(shù)數(shù)據(jù)集上進(jìn)行實證分析。

        關(guān)鍵詞:時間序列預(yù)測;循環(huán)神經(jīng)網(wǎng)絡(luò);DeepAR模型;GluonTS

        ★基金項目:本研究得到海關(guān)總署決策咨詢研究課題(HG-YB009)、國家社會科學(xué)基金項目(17BTJ025)、上海市科學(xué)技術(shù)委員會軟科學(xué)研究項目(18692116100)、上海市領(lǐng)軍人才項目的資助。

        1、相關(guān)理論研究

        1.1 時間序列預(yù)測

        1.3 DeepAR模型

        DeepAR是Amazon于2017年提出的基于深度學(xué)習(xí)的時間序列預(yù)測方法。

        傳統(tǒng)的時間方法(ARIMA,Holt-Winters等)往往針對一維時間序列本身建模,難以利用額外特征。此外,傳統(tǒng)方法的預(yù)測目標(biāo)通常是序列在每個時間步上的取值。與此相比,基于神經(jīng)網(wǎng)絡(luò)的DeepAR方法可以很方便的將額外的特征納入考慮,且其預(yù)測目標(biāo)是序列在每個時間步上取值的概率分布。在特定場景下,概率預(yù)測比單點預(yù)測更有意義。以零售業(yè)為例,若已知商品未來銷量的概率分布,則可以利用運籌優(yōu)化方法推算在不同業(yè)務(wù)目標(biāo)下的最優(yōu)采購量,從而輔助決策。

        DeepAR是一個自回歸RNN時間序列模型,是一個含隱藏狀態(tài)的循環(huán)神經(jīng)網(wǎng)絡(luò)(使用LSTM或GRU單元)模型,DeepAR學(xué)習(xí)的是周期性的表現(xiàn)并且是基于貫穿時間序列的協(xié)變量,在獲取高復(fù)雜度、組依賴的表現(xiàn)時,僅有少量的數(shù)據(jù)處理需要手動進(jìn)行。

        其中藍(lán)框的weighted sum即為仿射變換函數(shù),它的輸出就是μ;綠框就是softplus函數(shù),紅框表示最終輸出,結(jié)果就是σ。本文采用高斯分布作為似然模型。

        2、案例應(yīng)用分析

        2.1 數(shù)據(jù)

        實驗采用的數(shù)據(jù)集是上海市制造業(yè)歷年就業(yè)人數(shù)的數(shù)據(jù)。該數(shù)據(jù)集樣本一共有68個時間序列,每個時間序列有84個時間點的數(shù)據(jù),數(shù)據(jù)集的開始時間為2013年1月,截止時間為2019年12月。時間序列以月為時間步,即時間頻率為月。按照6:1的分配模式來確定訓(xùn)練數(shù)據(jù)集和評估數(shù)據(jù)集,時間序列前72個數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集,評估數(shù)據(jù)集包含所有84個時間步,評估數(shù)據(jù)集后12個數(shù)據(jù)作為驗證數(shù)據(jù),用來對預(yù)測模型進(jìn)行評估。協(xié)變量時間序列有區(qū)縣制造業(yè)歷年就業(yè)人數(shù),市區(qū)兩級的制造業(yè)歷年退工人數(shù),市區(qū)兩級的制造業(yè)歷年總產(chǎn)值,市區(qū)兩級的制造業(yè)歷年人員流出人數(shù)等。協(xié)變量時間序列的時間頻率也為月,但時間序列的開始時間和結(jié)束時間可以不相同。數(shù)據(jù)集的詳細(xì)信息見表1。

        ● SimpleFeedForward前饋神經(jīng)網(wǎng)絡(luò)是一種最簡單的神經(jīng)網(wǎng)絡(luò),各神經(jīng)元分層排列,整個網(wǎng)絡(luò)中無反饋,信號從輸入層向輸出層單向傳播。

        ● Transformer模型是基于CNN(卷積神經(jīng)網(wǎng)絡(luò))的時間序列預(yù)測方法。單純依靠注意力機制(Attention Mechanism),一步到位獲得全局信息。

        ● WaveNet是一個自回歸概率模型,該模型在文字轉(zhuǎn)語(Text-to-Speech,TTS)任務(wù)上取得了極佳的效果,它的建模方式與DeepAR十分類似,因而可以很自然地遷移到時間序列預(yù)測的任務(wù)上。

        從實驗結(jié)果看出,以上四種預(yù)測模型均能夠大致預(yù)測出上海市制造業(yè)就業(yè)人數(shù)的未來變化趨勢,這是因為基于深度學(xué)習(xí)的時間序列預(yù)測方法可以更好的提取時間序列的內(nèi)部特征。從預(yù)測效果圖來看,基于RNN的自回歸循環(huán)神經(jīng)網(wǎng)絡(luò)模型(DeepAR)的預(yù)測效果較好,大部分預(yù)測值都落在了90%的預(yù)測區(qū)間內(nèi),前饋神經(jīng)網(wǎng)絡(luò)模型(SimpleFeedForward)和基于Attention的轉(zhuǎn)換模型(Transformer)的預(yù)測效果一般,基于CNN的自回歸概率模型(WaveNet)的預(yù)測效果較差。從表2的預(yù)測值評估數(shù)據(jù)來看,也應(yīng)證了上述觀點,DeepAR在四個評估指標(biāo)中均取得了最好的預(yù)測效果,其四個指標(biāo)的評估值都是所有模型中最小的,而WaveNet的預(yù)測效果較差,可以得出結(jié)論,對于上海市制造業(yè)歷年就業(yè)人數(shù)這個數(shù)據(jù)集的預(yù)測,DeepAR模型是比較適合的。

        久久日日躁夜夜躁狠狠躁| 亚洲av高清在线观看三区| 青青草国内视频在线观看| 亚洲女av中文字幕一区二区| 亚洲av无码久久| 97免费人妻在线视频| 亚洲AV小说在线观看| 中文字幕中文字幕777| 国产精品国产三级国产专播| 老妇肥熟凸凹丰满刺激| 久久99精品波多结衣一区| 日本妇女高清一区二区三区| 天堂中文а√在线| 玩两个丰满老熟女| 亚洲中文字幕精品久久久久久直播| 少妇被啪出水在线视频| 色五月丁香五月综合五月| 抽插丰满内射高潮视频| 人妻av一区二区三区高| 亚洲国产精品婷婷久久| 亚洲中文字幕久久无码精品| 日韩在线免费| 日本久久一级二级三级| 亚洲一区二区三区中国| 国产最新进精品视频| 免费一级国产大片| 午夜少妇高潮在线观看视频| 玩弄白嫩少妇xxxxx性| 夜色阁亚洲一区二区三区| 东风日产系列全部车型| 亚洲国产国语在线对白观看| 亚洲国产另类精品| 色欲AV成人无码精品无码| 色婷婷在线一区二区三区| 久久精品国产自在天天线| 中文在线天堂网www| 中文字幕乱码亚洲美女精品一区 | 亚洲av成人综合网成人| 国产va免费精品高清在线| av草草久久久久久久久久久| 国产三级精品三级在线专区|