问题描述
我对时间序列比较陌生。我正在处理能源消耗预测问题。数据点以 15 分钟的频率进行采样。我有一组外生变量，例如温度和其他日历变量。
由于我的数据集中存在多个季节性因素，我首先更喜欢 SVR 而非自回归模型。
现在是问题。我在我的预测变量中包含了 t-1 滞后因变量（提前 15 分钟测量的消耗量）。根据我在这里遇到的一些证据和其他答案，如果问题是预测性的而不是解释性的（如我的情况），这应该不是问题。我的问题是：在考虑非线性回归或基于 OLS 的 SVR（具有 gassuan 核）等模型时，这种方法是否也正确？其次：如何在 ARIMA 或 SARIMA 等自回归模型中使用滞后变量作为预测变量？我认为在这种情况下这可能是一个问题，因为这些模型的自回归组件已经考虑了因变量与其在 t-1、t-2、tn 处的观察之间的相关性……但我想知道更多关于那个。
如果您能提供一些参考以加深您的解释就更好了！
非常感谢。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）