跟踪和预测时间序列中的运动

Question

我有一个小项目要做，在开始之前制定计划有些困难。

我有一个数据库，该数据库包含：船名，日期时间，纬度，经度，这都是关于跟踪时空中船舶运动的信息。

数据： https://www.dropbox.com/s/85a6nj3v19jw9b6/test.png?dl=0

在具有时间序列的情况下，您将使用哪种模型来预测问题的下一个目的地？船舶进入/离开港口的那一刻？

我应该使用ARIMA模型代替机器学习算法吗？

最后一个问题：如果我没有端口名称，如何根据位置观察手动定义端口？

我曾经考虑过Random Forest，但我认为我想有更好的模型

我很乐意进行一些讨论，并争辩以了解不同的观点， 谢谢！

Answer 1

将其视为罪恶浪潮。要预测正弦波，您只需要几个先前的值即可预测将来的一个。我会在输入值为x，x-1，x-2等的时间序列中使用中性网络，例如，将其训练为x + 2值。如果您向我发送一些数据，我可以尝试验证此声明< / p>

编辑：

嗨，我回来了。我不能给你太多。我检查了数据，发现神经网络的信息很少。此外，在不同的时间戳间隔下，数据还没有准备好。有趣的是，经度看起来像完整的正弦波，但是通过一个正弦波，您就可以真正制作模型。我的策略是针对数据集中每个值的经度和纬度的实际值和先前值学习神经网络。但是即使从数据集中看，我也已经怀疑它是否可以工作。抱歉

这些是结果，但我怀疑它们的意义：

黑色-原始

绿色-预测

红色-原始和预测之间的错误

预测经度前100个样本

预测经度前30个样本-看起来不错，但是您确实不需要神经网络

PS：表示数据集的最后一个值变为零。它在我的程序中的缺陷

PS2：如果您对这个时序神经网络感兴趣，它们是多项式神经网络或HONU神经网络的一部分

PS3：考虑仅使用经度或纬度来制作模型。在这些数据中，除纬度之外，我得到了更好的结果