Основные понятия
CopulaCPTS, ein Algorithmus zur konformen Vorhersage, produziert kalibrierte und effiziente Konfidenzintervalle für mehrstufige Zeitreihenvorhersagen, indem er die zeitliche Abhängigkeit zwischen Vorhersageschritten mit Hilfe von Copulas modelliert.
Аннотация
Der Artikel stellt CopulaCPTS, einen Algorithmus zur konformen Vorhersage von Zeitreihen, vor. CopulaCPTS ist in der Lage, kalibrierte und effiziente Konfidenzintervalle für mehrstufige Zeitreihenvorhersagen zu produzieren.
Der Algorithmus besteht aus zwei Schritten:
- Schätzung der individuellen Verteilungen der Nichtkonformitätsscores für jeden Vorhersageschritt auf Basis eines Kalibrierungsdatensatzes.
- Modellierung der gemeinsamen Verteilung der Nichtkonformitätsscores über alle Vorhersageschritte hinweg mithilfe einer Copula-Funktion, die auf einem zweiten Kalibrierungsdatensatz geschätzt wird.
Durch die Verwendung der Copula-Funktion kann CopulaCPTS die Unsicherheit über den gesamten Vorhersagehorizont hinweg effizient modellieren, was zu deutlich schärferen Konfidenzintervallen führt als bestehende Methoden, ohne die Gültigkeit zu beeinträchtigen.
Die Autoren zeigen die Überlegenheit von CopulaCPTS gegenüber anderen Ansätzen zur Unsicherheitsquantifizierung auf zwei synthetischen und zwei realen Datensätzen. Der Vorteil von CopulaCPTS wird insbesondere bei hoher Dimensionalität der Daten oder langen Vorhersagehorizonten deutlich.
Статистика
Die Nichtkonformitätsscores si
j für jeden Zeitschritt j und jede Stichprobe i im Kalibrierungsdatensatz Dcal-1 werden nach Gleichung 9 berechnet.
Die transformierten Nichtkonformitätsscores ui = (ui
1, ..., ui
k) für jede Stichprobe i im Kalibrierungsdatensatz Dcal-2 werden nach Gleichung 6 berechnet.
Цитаты
Keine relevanten Zitate identifiziert.