Question

我有一个输入和目标系列。但是，目标系列落后于输入3步。我还可以使用narx或其他网络吗？

Predict: y(t+1)
Input:
x(t)  |?
x(t-1)|?
x(t-2)|?
x(t-3)|y(t-3)
x(t-4)|y(t-4)
x(t-5)|y(t-5)
...

在我的训练中，我提前有y（t-2），y（t-1），y（t），但是当我在现实生活中进行预测时，这些值仅在3步之后可用，因为我从接下来的3个输入中计算出y。

Answer 1

以下是一些选项

1）此外，您可以有两个输入和一个输出

x（t），y（t-3） - > Y（t）的

x（t-1），y（t-4） - > Y（T-1）

x（t-2），y（t-5） - > Y（T-2） ...

并预测单个输出y（t）

2）你也可以使用ar或arx，na = 0，nb＆gt; 0，nk = 3.

3）此外，您可以有四个输入，其中2个输入被估计，一个输出为

x（t），y（t-3），ye（t-2），ye（t-1） - > Y（t）的

x（t-1），y（t-4），y（t-3），ye（t-2） - > Y（T-1）

x（t-2），y（t-5），y（t-4），y（t-3） - > Y（T-2） ...

并预测单个输出y（t），使用第3行和更高的线作为训练数据

4）您可以按照步骤一或三设置输入/输出并使用s4sid

我有类似的问题，但没有任何可测量的输入。而且我试图看到随着预测距离和模型复杂性的增加会出现多少误差。但是我只尝试了方法2并将nb = 5设置为15乘5并且将nk从20变化到150乘以10并绘制了最大误差的轮廓。就我而言，我对不到20个时间步的预测不感兴趣。

Answer 2

定义您选择的窗口（您需要尝试不同的尺寸以查看哪个是最佳值）。现在让这个问题成为回归问题。使用来自t = T-2 ... T-x的xt和yt的值，其中x-2是窗口的大小。现在使用regress（）来训练回归模型并将其用于预测。