在线获取继续教育培训方案

培训主题：
参训单位：
参训人数：
联系人：
联系电话：
验证码：
备注：

马上获取联系客服

新闻中心•THE NEWS CENTER

我校在非平稳时间序列的稳健预测领域取得进展

发布时间：2022-04-15 14:10:45 浏览次数：230 来源：华中农业大学若有侵权请联系400-0815-589删除

近日，我校理学院陈洪教授人工智能与统计学习团队研究成果以“Huber Additive Models for Non-stationary Time Series”为题在International Conference on Learning Representations(ICLR 2022)发表。该研究从理论上刻画了传统方法对于非平稳时间序列数据的不足，并基于理论结果有针对性的设计处理非平稳时间序列的预测算法。该算法不仅能实现非平稳时间序列的预测，而且能有效的克服数据中异常值的扰动，为农业、金融与医学等领域的非平稳数据处理提供了有效的策略与工具。

稀疏可加模型在处理时间序列数据时表现出良好的灵活性和可解释性。然后，现有的方法通常假设时间序列数据是平稳的，且服从高斯分布。对于金融和医疗领域等经常出现的重尾非平稳时间序列数据，这两种假设都过于严格。

为了解决该问题，研究提出了一种自适应稀Huber可加模型 (SpHAM) ，以实现面向非高斯数据和(非)平稳数据的稳健预测。理论上，对于平稳和非平稳时间序列数据，研究建立了独立于观测混合条件的泛化误差界。特别地，非平稳时间序列情形的误差界包含数据分布随时间变化的差异度量，借助该差异度量的经验估计可用于改造正则模型的惩罚项。应用上，该方法在合成和真实基准数据集上显示了良好的性能。