如何使用 R 中的神经网络对时间序列数据（2 列）进行预测？答案

【问题标题】：How to do forecasting of Time series data (2 columns) using Neural Network in R?如何使用 R 中的神经网络对时间序列数据（2 列）进行预测？
【发布时间】：2016-04-10 15:53:57
【问题描述】：

我有以下格式的数据：

我想使用神经网络来预测 A 的下一个值。我已经在 A 系列中获得了滞后，根据 AIC 标准得出的结果是 37。这是通过使用代码来完成的

model<-nnetar(data[,2], P=1,repeats=20,lambda=NULL)

我想对系列 A 和 B 使用相同的延迟来预测系列 A 的下一个值。我面临的问题是 nnetar 仅在 1 列上构建模型，我想同时使用这两个列进行预测和滞后部分需要完好无损。有什么办法，我可以做到吗？

【问题讨论】：

几乎不可能将数据集加载到 R 中。请使用 dput() 提供摘录。
数据集非常庞大。
做类似 dput(data[100,])
结构（列表（时间 = “42005.458333333336”，现货 = 8269.7，期货 = 8316.95，现货 = 7.86e-05，期货_ret = 6.61e-05），.Names = c（“时间”， “现货”，“期货”，“Spot_ret”，“Futures_ret”），row.names = 100L，class= “data.frame”）。这里 spot_ret 是 A 列，Futures_ret 是 B 列

标签： r neural-network time-series prediction forecasting

【解决方案1】：

我认为本地几乎不可能使用 NNAR，因为它具有固定的 NN 结构，除了隐藏层中的节点数量。

（警告：有点疯狂的想法）但是，据我了解，nnetar 它使用类似于窗口化的方法。因此，可以将 A 和 B 交替的数据交错。这可以使用来自 reshape 的melt(data[,2:3]) 来完成。之后，您可以同时预测 A 和 B。您需要相应地调整所有其他参数。

但是，我会切换到像 RSNNS 这样的循环神经网络库

【讨论】：

RSNNS如何处理时间序列数据？我将它用于结构化数据，但不适用于时间序列数据。
你可以看看函数elm an 和jordan。 en.wikipedia.org/wiki/Recurrent_neural_network 据我所知，时间序列是 RNN 的主要例子
将尝试使用循环神经网络解决问题。