本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：工作論文
- 編號：工作論文 #153
- 日期：2026-03-18
摘要
本文深入探討了預測策略在應用於複雜時間序列時何時、為何以及如何失敗。我們推測，現實世界時間序列資料的固有複雜性是由生成過程的維度、非線性和非平穩性以及雜訊、聚合和有限資料長度等測量問題引起的，這既可以根據經驗進行量化，又與可預測性直接相關。特別是，我們認為冗餘是測量實驗時間序列中的複雜性和預測結構的有效方法，而加權排列熵是估計冗餘的有效方法。為了驗證這些猜想，我們研究了 120 個不同的時間序列資料集。對於每個時間序列，我們使用各種預測模型來建立預測，然後將預測的準確性與該時間序列的排列熵進行比較。我們利用這些結果來開發一種無模型啟發式方法，可以幫助從業者識別何時特定的預測方法與手頭的任務不能很好地匹配：也就是說，當時間序列具有比該方法可以捕獲和利用的更多的預測結構時。