散文網(wǎng) » 生活 »日常 » 拓端tecdat|R語(yǔ)言神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)車輛數(shù)量時(shí)間序列

拓端tecdat|R語(yǔ)言神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)車輛數(shù)量時(shí)間序列

2021-07-11 10:58 作者:拓端tecdat 0人讀過(guò) | 我要投稿

原文鏈接：http://tecdat.cn/?p=19980

原文出處：拓端數(shù)據(jù)部落公眾號(hào)

具有單個(gè)隱藏層和滯后輸入的前饋神經(jīng)網(wǎng)絡(luò)，可以用于預(yù)測(cè)單變量時(shí)間序列。將神經(jīng)網(wǎng)絡(luò)模型擬合到以時(shí)間序列的滯后值作為輸入的時(shí)間序列。因此它是一個(gè)非線性的模型，不可能得出預(yù)測(cè)區(qū)間。

因此我們使用仿真。

讀取數(shù)據(jù)進(jìn)行可視化：

## # A tibble: 6 x 2
## ? ? ? ? Date Actual
## ? ? ? <dttm> ?<dbl>
## 1 2016-01-11 ? ? 26
## 2 2016-01-18 ? ? 27
## 3 2016-01-25 ? ? 28
## 4 2016-02-01 ? ? 22
## 5 2016-02-08 ? ? 27
## 6 2016-02-15 ? ? 31

dat%>%ggplot(aes(Date,Actual))+
labs(title = "耐久性車輛預(yù)測(cè)", x = "時(shí)間", y = "耐用車輛數(shù)量",
subtitle = " 2016 & 2017年數(shù)據(jù)") +

#數(shù)據(jù)必須為數(shù)字，tsclean函數(shù)才能正常工作
dat%>%dplyr::rename(Date=Week)%>%na.omit()
dat_ts = ts(dat["實(shí)際數(shù)量"])

nn(data, lambda=0.5)





Average of 20 networks, each of which is
a 1-1-1 network with 4 weights
options were - linear output units


sigma^2 estimated as 0.2705

我使用了Box-Cox變換，其中λ=0.5，

確保殘差同方差。

該模型可以寫(xiě)成：

其中yt-1 =（yt-1，yt-2，?，yt-8）是包含序列的滯后值的向量，f是一個(gè)神經(jīng)網(wǎng)絡(luò)，在單個(gè)層中具有4個(gè)隱藏節(jié)點(diǎn)。

通過(guò)從正態(tài)分布或從歷史值中重采樣隨機(jī)生成?t的值，我們可以迭代地模擬該模型的未來(lái)樣本路徑。

因此，如果{? ? T + 1}是從時(shí)間T + 1的誤差分布中隨機(jī)抽取的，則

是從yT + 1的預(yù)測(cè)分布中得出的一種概率。設(shè)置

y * T + 1 =（y * T + 1，yT，?，yT-6）然后我們可以重復(fù)此過(guò)程來(lái)獲得

我們可以迭代地模擬未來(lái)的樣本路徑。通過(guò)反復(fù)模擬樣本路徑，我們基于擬合的神經(jīng)網(wǎng)絡(luò)建立了所有未來(lái)值的分布。這是對(duì)數(shù)據(jù)的9種將來(lái)可能的采樣路徑的模擬。每個(gè)樣本路徑覆蓋了觀測(cè)數(shù)據(jù)之后的未來(lái)20年。

plot(dat_ts) + autolayer(sim)