基于多线性自回归模型的时间序列分析方法

摘要

一种基于多线性自回归模型的时间序列分析方法，包括：将时间序列编码为张量；将最初的张量变换为一个维度减少的形式；对获得的维度减少形式的张量应用自回归模型去保持时域上的连续性；动态学习前面过程更新结果直到算法收敛，结果达到最优。本发明的基于多线性自回归模型的时间序列分析方法，在去除时间序列空域中的噪声和冗余信息的同时，控制了时间序列时域信息之间的内在联系，保持了时间序列在时域上的连续性。本发明提升了对时间序列进行预测的准确性，尤其是针对高维度的时间序列预测问题。