时序预测工具Prophet继任者PROFHIT来了

论文名：PROFHIT: Probabilistic Robust Forecasting for Hierarchical Time-series

发布时间：2022年6月

论文地址：https://arxiv.org/abs/2206.07940

代码地址：https://github.com/adityalab/profhit

原文摘要：概率分层时间序列预测是时间序列预测的一个重要变体，其目标是对具有潜在分层关系的多变量时间序列进行建模和预测。大多数方法集中在点预测上，没有提供良好的校准概率预测分布。最近先进的概率预测方法也将层次关系强加于点预测和分布样本上，这并没有考虑到预测分布的一致性。以前的工作也默默地假设数据集总是与给定的层次关系一致，并且不适应现实世界的数据集，这些数据集显示出与这个假设的偏差。我们弥补了这两方面的不足，并提出了PROPHIT，这是一个完全概率化的层次预测模型，对整个层次的预测分布进行联合建模。PROFHIT使用灵活的概率贝叶斯方法，并引入了一种新的分布一致性正则化，从整个预测分布的层次关系中学习，从而实现稳健和校准的预测，并适应不同层次一致性的数据集。在对广泛的数据集进行评估时，我们观察到PROFHIT在准确性和校准方面的性能提高了41-88%。由于对整个分布的一致性进行建模，我们观察到，即使有高达10%的输入时间序列数据丢失，PROFHIT也能稳健地提供可靠的预测，而其他方法的性能严重下降了70%以上。