وينطوي التنبؤ بسلاسل التوقيت على التنبؤ بنقاط البيانات المقبلة استنادا إلى البيانات التاريخية، والشبكات العصبية أدوات فعالة لنموذج الأنماط المعقدة في هذه البيانات، وتوفر هذه المادة دليلا تدريجيا لبناء شبكة عصبية للتنبؤ بسلاسل زمنية.

فهم البيانات

وقبل بناء شبكة عصبية، من الضروري فهم البيانات، فبيانات سلسلة التسلسل الزمني متتابعة، وكثيرا ما تتضمن اتجاهات وموسمية وضوضاء، كما أن التجهيز السليم، مثل التطبيع ومعالجة القيم المفقودة، يحسن الأداء النموذجي.

إعداد البيانات

ويشمل إعداد البيانات تحويل البيانات الخام إلى شكل مناسب للتدريب، ويشمل ذلك إنشاء أزواج للمدخلات والنواتج باستخدام نوافذ الارتداد، على سبيل المثال، باستخدام النقاط العشر الأخيرة للبيانات للتنبؤ بالنقطة التالية.

بناء شبكة الظواهر العصبية

والشبكات العصبية المتكررة، ولا سيما شبكات الذاكرة القصيرة الأجل الطويلة الأجل، هي خيارات شعبية للتنبؤ بسلاسل زمنية، ويمكنها أن تستوعب المعالين المؤقتين بفعالية.

وتشمل الخطوات الرئيسية تحديد هيكل الشبكة، واختيار عدد الطبقات والعصابات، واختيار وظيفة مناسبة للخسائر والخيار.

التدريب والتقييم

تدريب الشبكة العصبية باستخدام البيانات المعدة، رصد الأداء مع بيانات المصادقة لمنع الإفراط في التأقلم، وتشمل القياسات المشتركة الرعب المطلق (MAE) والخطأ في ميدان الروت.

النشر والمنع

ويمكن للنموذج، بمجرد التدريب، أن يولد توقعات بشأن البيانات الجديدة، ومن المهم تحديث النموذج بانتظام مع بيانات جديدة للحفاظ على الدقة.