时间序列分析 (Time Series Analysis

2022年秋季,周一下午14:00-15:50,仙I-110

 

课程简介

时间序列(time series)是一组按照时间发生先后顺序进行排列的离散序列,是日常生活中最常见的数据形式之一。对时间序列的分析是既是统计学中的重要问题,也是人工智能、数据挖掘的一个重要应用方向。

本课程面向人工智能学院的本科生和研究生,重点关注统计学中分析时间序列的基本思路、模型以及方法。同时强调使用人工智能、数据挖掘技术对时序数据这一种特殊的数据类型进行分析,也关注使用“时间序列分析”中的思路看待和解决人工智能领域的实际问题。

课程内容将从时间序列的发展历程、基本任务开始,承接回归方法,探索基于统计方法和机器学习方法的时间序列分析途径。课程中不但关注对时间序列模型的统计分析,也会介绍人工智能的相关技术,如使用循环神经网络、自注意力机制进行时间序列的建模,或使用时间序列中的自回归、指数平均思想建模机器学习、计算机视觉的重要问题。课程最后也将讨论时间序列相似性度量、异常检测等专题。

 

课程安排

 

主题

上课时间

知识点

阅读材料

时间序列基础知识

课程介绍,导论

95

²  课程概况

²  时间序列的基本定义

²  时间序列分析任务的类型

²  时间序列分析的流派及发展简史

²  概率分布基础知识

²  人工智能领域处理时间序列问题的基本模型

²  数据挖掘§14

²  数理统计学简史

²  时间序列分析发展简史

²  [1] §1, §2

时间序列的预处理和评价

919

 

926

²  归一化方法

²  Box-Cox变换及其应用

²  时间序列预测的常用数据集

²  时间序列预测的评价指标

²  归一化和距离计算

²  Box-Cox变换

²  竞赛简介, M4 Competition

²  GCE Loss

回归模型

1010

 

1017

²  回归模型

²  指数平均方法(ETS

²  Theta模型

²  指数平均及其应用

²  [1] §3.1-3.4

²  EMA应用:Adam, BN, Temporal Ensemble, Mean-Teacher, MoCo, ELR

基于统计的时间序列

预测模型

时间序列的随机过程视角

1024

 

1031

²  随机过程用于时间序列分析

²  时间序列的平稳性

²  时间序列的相关统计量及估计方法

²  平稳序列的建模思想

²  线性过程模型

²  [1] §5.1 – 5.7

²  [2] §2.1, §3.1 – 3.4, §5.1

²  AR应用:NADE

平稳和非平稳时间序列分析

117

 

1114

²  AR模型、MA模型

²  AR思想的应用

²  ARMA模型、ARIMA模型

²  时序模型的预测

时间序列模型的辨识与优化

1121

²  时序模型的辨识

²  时序模型的优化

²  [1]§ 6.1 – 6.6

非线性时间序列模型

1128

²  有季节效应的时序模型构建

²  Prophet模型

²  Delayed Coordinate Embedding

²  时间序列的分解

²  [2] §9.1-9.3

²  Prophet

多元时间序列模型

1128

²  基于线性系统的时间序列模型

²  多元时间序列模型

²  [1] §8.1 – 8.4,  9.1 – 9.2

数据驱动的时间序列

预测模型

常用的机器学习模型

125

²  状态空间模型

²  卡尔曼滤波

²  张量模型

²  集成学习模型

²  [1] §10.1 – 10.3

基于卷积和循环神经网络的时间序列预测模型

125

²  RNNLSTM

²  Temporal CNN

²  时间序列的数据增广

²  LSTM, Seq2Seq

²  CNN RNN比较

²  深度学习方法综述(预测)

²  Hybrid Model

基于注意力机制的时间序列预测模型

1212

²  Transformer及其扩展

²  TFT

²  N-BEAT

²  Informer, Autoformer

²  Transformer [Blog1][Blog2]

时间序列预测的迁移

1212

²  全局和局部模型

²  元学习

²  N-BEAT元学习视角

²  Forecasting & Meta-learning

时间序列数据挖掘的其他任务

时间序列的相似性度量

1219

²  Dynamic Time Wrapping

²  Wasserstein距离

²  IsolationKernel

²  归一化和距离计算

²  数据挖掘§3.4

²  FastDTW

时间序列分类和主旨挖掘

1219

²  Matrix profile

²  深度学习方法综述(分类)

时间序列异常检测

1219

²  S-ESD

²  IsolationKernel异常检测

²  UCR Time Series Anomaly Archive

²  Anomaly Transformer

 

注:上述表格会根据实际授课情况进行更新,请以授课后更新的内容为准。

主要参考材料:

[1]   Henrik Madsen. Time Series Analysis. Chapman & Hall. 2008

[2]   George E. P. Box, Gwilym M. Jenkins, Gregory C. Reinsel, Greta M. Ljung. Time Series Analysis Forecasting and Control (5th Edition). Wiley 2016

 

其他参考材料:

[3]   Peter J. Brockwell, Richard A. Davis. Introduction to Time Series and Forecasting (3rd Edition). Springer 2016.

[4]   Fotios Petropoulos et al. Forecasting: theory and practice. International Journal of Forecasting. Volume 38, Issue 3, 2022, Pages 705-871

[5]   易丹辉、王燕. 应用时间序列分析. 人民大学出版社. 2019.

[6]   James D. Hamilton. 时间序列分析. 中国人民大学出版社. 2015.

 

课程作业

 

课程作业包括书面作业和编程作业两类。请通过教学立方(邀请码:L23Y4K9M)查看作业要求,并进行作业提交。

 

联系方式

 

主讲教师:叶翰嘉 yehj@nju.edu.cn

    教:  hanlu@lamda.nju.edu.cn

 

时间序列相关资源

Ø  工具包:

²  sktime

²  skforecast

²  Darts

Ø  数据集:

²  M4-methods

²  Awesome time series database

Ø  教程集:

²  Forecasting Big Time Series: Theory and Practice

²  Modern Aspects of Big Time Series Forecasting