多维预测
Multidimensional Prediction
我有一个在不同地方测量的值的时间序列列表。这些测量值可能相关也可能不相关（主要取决于它们的相对位置，但一些非常接近的检测器实际上会测量去相关序列是合理的）。我想预测整个集合的值，同时考虑到所有这些值的序列及其随时间的相关性。如果有帮助，这些值也应该具有相对周期性
编辑：我可以访问几个太阳能电池板的发电量。这些太阳能电池板在空间上分布，我想将它们用作 'irradiance detectors'。了解过去几个地方的太阳照度，我希望确定信号之间的相关性，然后可以用来预测照度。
不管一天中通常的生产模式如何（如图所示），我感兴趣的是我可以从一个面板的过去中提取的信息来预测另一个面板的未来。
我想我需要一个神经网络来解决这个问题，但我不确定如何提供它：我想过使用时间 window 并用 A 的一些过去值提供给我的神经网络，B和C，但恐怕有点弱。
图片显示了我的数据的示例。
如何在知道 A、B 和 C 的过去值的情况下预测曲线 A 的下一个值？
如何处理这个预测？
我认为最简单的方法是用相同的输入训练 3 个模型，但每个模型都会预测一个值（A、B 或 C）。
如果您确定输入变量与其对预测输出的影响之间的相关性，您可以创建一个具有公共分支的神经网络（可能是堆叠 3 个输入的 RNN），然后创建 3 个不同的预测头，每个预测头将产生一个预测 A 或 B 或 C。Fast-rcnn 架构就是一个很好的例子。
完成此任务的最佳方法是使用 RNN。
学习如何开发这种神经网络的一个很好的教程在这里：
https://www.tensorflow.org/tutorials/recurrent
我还发现了这个 link，他们在那里训练了一个 RNN 来解决一个相当接近的问题：
http://blog.datatonic.com/2016/11/traffic-in-london-episode-ii-predicting.html
我有一个在不同地方测量的值的时间序列列表。这些测量值可能相关也可能不相关（主要取决于它们的相对位置，但一些非常接近的检测器实际上会测量去相关序列是合理的）。我想预测整个集合的值，同时考虑到所有这些值的序列及其随时间的相关性。如果有帮助，这些值也应该具有相对周期性
编辑：我可以访问几个太阳能电池板的发电量。这些太阳能电池板在空间上分布，我想将它们用作 'irradiance detectors'。了解过去几个地方的太阳照度，我希望确定信号之间的相关性，然后可以用来预测照度。 不管一天中通常的生产模式如何（如图所示），我感兴趣的是我可以从一个面板的过去中提取的信息来预测另一个面板的未来。
我想我需要一个神经网络来解决这个问题，但我不确定如何提供它：我想过使用时间 window 并用 A 的一些过去值提供给我的神经网络，B和C，但恐怕有点弱。
图片显示了我的数据的示例。
如何在知道 A、B 和 C 的过去值的情况下预测曲线 A 的下一个值？
如何处理这个预测？
我认为最简单的方法是用相同的输入训练 3 个模型，但每个模型都会预测一个值（A、B 或 C）。
如果您确定输入变量与其对预测输出的影响之间的相关性，您可以创建一个具有公共分支的神经网络（可能是堆叠 3 个输入的 RNN），然后创建 3 个不同的预测头，每个预测头将产生一个预测 A 或 B 或 C。Fast-rcnn 架构就是一个很好的例子。
完成此任务的最佳方法是使用 RNN。
学习如何开发这种神经网络的一个很好的教程在这里： https://www.tensorflow.org/tutorials/recurrent
我还发现了这个 link，他们在那里训练了一个 RNN 来解决一个相当接近的问题： http://blog.datatonic.com/2016/11/traffic-in-london-episode-ii-predicting.html