Question

我有太阳黑子的N个数据点的时间序列，并希望根据这些点的子集预测系列中的剩余点，然后比较正确性。

我刚刚开始使用Matlab进行线性预测，因此我决定在循环中使用以下代码段的路径，以便训练集外的每个点直到给定数据的结尾预测：

%x is the data, training set is some subset of x starting from beginning
%'unknown' is the number of points to extend the prediction over starting from the 
%end of the training set (i.e. difference in length of training set and data vectors)
%x_pred is set to x initially 
p = length(training_set);
coeffs = lpc(training_set, p);
for i=1:unknown
   nextValue = -coeffs(2:end) * x_pred(end-unknown-1+i:-1:end-unknown-1+i-p+1)';
   x_pred(end-unknown+i) = nextValue;
end

error = norm(x - x_pred)

我有三个问题：

1）这是否恰当地符合我的描述？我问，因为我只预测了数百个有数百个点的数据集的最后20个点时，我的错误看起来相当大（> 100）。

2）我是否正确解释了lpc的第二个参数？也就是说，它意味着你想要用来预测下一个点的'顺序'或者更多的点？

3）如果在Matlab中有一个更高效的单行函数，我可以调用它来替换循环，并为我计算所有必要的预测，给出我的整体数据的一些子集作为训练集？

我试着通过lpc Matlab教程查看，但它似乎没有进行预测，因为我已经描述了我的需求。我也一直在使用How to use aryule() in Matlab to extend a number series?作为参考。

Answer 1

因此经过深思熟虑和实验后，我发现上述方法是正确的，并且似乎没有任何单一的Matlab函数来完成上述工作。所遇到的大误差是合理的，因为我使用线性预测算法来解决具有固有非线性行为的问题（即太阳黑子预测）。

希望这有助于其他人在那里开展类似工作。

使用时间序列线性预测来确定下一个K点

1 个答案: