时间序列预测模型TBATS

1. TBATS简介

名字来源: Trigonometric seasonality, Box-Cox transformation, ARMA errors, Trend and Seasonal components.

模型使用季节性特征、Box-Cox转换、ARMA误差、趋势和季节组分。

2. 模型

可以看出预测的 y 由4部分组成， l 是局部水平， b 是趋势水平， d 是ARMA模型，s 是季节性部分。

调包使用：

from tbats import TBATS, BATS
# Fit the model
estimator = TBATS(seasonal_periods=(7, 365.25))
model = estimator.fit(y_to_train)
# Forecast 365 days ahead
y_forecast = model.forecast(steps=365)

参考：

medium tbats in python;
github tbats;

时间序列预测模型TBATS相关推荐

R使用深度学习LSTM构建时间序列预测模型
R使用深度学习LSTM构建时间序列预测模型 LSTM的全称是Long Short Term Memory,顾名思义,它具有记忆长短期信息的能力的神经网络.LSTM首先在1997年由Hochreiter ...
深度学习时间序列预测：卷积神经网络（CNN）算法构建单变量时间序列预测模型预测空气质量（PM2.5）+代码实战
深度学习时间序列预测:卷积神经网络(CNN)算法构建单变量时间序列预测模型预测空气质量(PM2.5)+代码实战神经网络(neual networks)是人工智能研究领域的一部分,当前最流行的神经网络 ...
深度学习时间序列预测：GRU算法构建单变量时间序列预测模型+代码实战
深度学习时间序列预测:GRU算法构建单变量时间序列预测模型+代码实战 GRU(Gate Recurrent Unit)是循环神经网络(Recurrent Neural Network, RNN)的一种 ...
深度学习时间序列预测：GRU算法构建多变量时间序列预测模型+代码实战
深度学习时间序列预测:GRU算法构建多变量时间序列预测模型+代码实战注意参考:深度学习多变量时间序列预测:GRU算法构建单变量时间序列预测模型+代码实战 GRU(Gate Recurrent Uni ...
【时序】DeepGLO：可以学习全局依赖和局部信息的多时间序列预测模型
论文名称:Think Globally, Act Locally: A Deep Neural Network Approach to High-Dimensional Time Series For ...
AI实战：用Transformer建立数值时间序列预测模型开源代码汇总
用Transformer建立数值时间序列预测模型开源代码汇总 Transformer是一个利用注意力机制来提高模型训练速度的模型.,trasnformer可以说是完全基于自注意力机制的一个深度学习模型 ...
谷歌本周发布全新线性时间序列预测模型，再次反超Transformer
继之前针对Transformer在时间序列预测中真的有效吗.使用MLP打败复杂模型等研究后,谷歌在昨天发表了一篇最新的时间序列预测工作,提出了TiDE模型,整个模型没有任何注意力机制.RNN或CNN, ...
机器学习中的时间序列预测模型
1.概述在机器学习的各类方法中,有一类主要能用于时间序列预测的模型,包括但不限于自回归模型AR.滑动平均MA.融合AR与MA的ARIMA.隐马尔可夫模型HMM.卡尔曼滤波KF.循环神经网络RNN/L ...
预测类问题中的时间序列预测模型
前言:时间序列预测模型适用于含有时间变量的模型预测,对中短期的预测有着较好的结果,对长期预测不适用.本文重点介绍ARIMA模型的原理及代码实现. 其他模型总结:[Python]Python中的经典时 ...

时间序列预测模型TBATS

1. TBATS简介

2. 模型

时间序列预测模型TBATS相关推荐

最新文章

热门文章