具有附加功能的預測時間序列

Question

假設我要預測去醫院的人數。 我已經有去醫院的每日歷史流量，而簡單的神經網絡（MLP）可以很好地捕捉到這一點。

我想看看我是否可以通過合並天氣數據來進一步提高性能（例如，我們希望天氣變老時，會有更多人去醫院就診）。

我正在查看的各種R包似乎不允許我提供原始時間序列數據以外的第二個功能。

有什么建議嗎？

Answer 1

當您在R中的時間變量本身之外還有其他變量時，有幾種方法可以進行時間序列預測。我知道的一種方法稱為動態線性模型。 您可以在“ dynlm”包中使用此方法。

Answer 2

而簡單的神經網絡（MLP）可以很好地捕捉到這一點。

實際上，MLP通常在時間序列問題上做得不太好。 諸如ARIMA或指數平滑之類的統計模型往往比基於NNet的方法表現更好。 在某些情況下，LSTM可能會提供與統計方法相當的性能，但是AFAIK MLP在預測問題上表現不佳。

我正在查看的各種R包似乎不允許我提供原始時間序列數據以外的第二個功能。

這是不正確的。 許多用於預測的R包都允許使用超出原始時間序列的外部回歸器。 例如，在auto.arima，tbat和nnetar中，可以通過向模型添加參數xregs來包括它們。

在BSTS和Prophet中，您也可以。