利用高级统计方法进行时间序列的远期概率预测

长期预测是许多决策支持系统的核心。这些系统需要从高级别的模式中推断出预测值。最新的时间序列预测方法可能受到概念漂移的影响或无法准确预测高级别的总量。在这项研究中，我们提出了一种新的概率预测方法，其生成的预测在基础水平和总体统计方面是一致的。我们利用基于KL-分歧的新型推理方法实现了预测的基础水平和总量统计之间的一致性，该方法可以有效地以闭合形式求解。我们证明，我们的方法通过在三个不同领域的真实数据集上进行推理，提高了对基数级和未见过的总量的预测性能。