【UCLA论文】利用神经网络进行时间序列预测的综合分析，Comprehensive Analysis of Time Series Forecasting Using Neural Networks

题目： Comprehensive Analysis of Time Series Forecasting Using Neural Networks

摘要： 时间序列预测近年来受到了广泛的关注，这是因为许多现实世界的现象都可以用时间序列来建模。大量的数据和计算机处理能力的最新进展使研究人员能够开发出更复杂的机器学习算法，如神经网络来预测时间序列数据。本文提出了利用动态测量数据进行时间序列预测的各种神经网络结构，并介绍了如何将静态和动态测量相结合进行预测的各种结构。我们还研究了异常检测和聚类等技术对预测精度的重要性。结果表明，聚类可以提高神经网络的整体预测时间，提高预测性能。此外，我们还发现基于特征的聚类在速度和效率上都优于基于距离的聚类。最后，我们的结果表明，增加更多的预测因子来预测目标变量并不一定会提高预测精度。