基于HSIC-GL的多元时间序列非线性Granger因果关系分析.docx

基于HSIC-GL的多元时间序列非线性Granger因果关系分析.docx

0 引言 多元时间序列广泛存在于工业、气象、医学[1-3]等多个领域. 时间序列分析利用时间序列数据、应用数理统计等方法来挖掘系统潜在信息,揭示系统未来发展规律,是研究系统演化机理、建立系统模型的重要手段. 相较于单变量时间序列,多元时间序列往往包含更加丰富的系统信息,能够更加准确地揭示系统演化规律. 但是,多变量系统变量间的影响关系更加复杂,数据中难免会存在着与预测对象不相关的无关变量以及对预测对象作用相同或相似的冗余变量. 无关变量和冗余变量不仅会增加预测模型建立的难度,还会延长训练时间,对模型的预测效果产生负面的影响[4]. 因此,研究时间序列变量间的影响关系,为模型选择合适的输入变量具

文档评论(0)

1亿VIP精品文档

相关文档