保形最小迹（SP-MinT）：一种用于分层时间序列的规则化预测协调方法

《Scientific Reports》：Shape-preserving minimum trace (SP-MinT): a regularized forecast reconciliation method for hierarchical time series

　　

摘要

预测对齐已成为确保分层时间序列一致性的标准方法。然而，诸如最小迹值法（MinT）之类的先进方法往往以牺牲预测的时间形态为代价来最小化误差方差。本文将预测对齐视为一个多目标问题，指出仅追求方差最优的一致性并不足以用于实际决策，因此提出了一种能够明确考虑时间结构的形状感知型对齐方法。我们引入了形状保持最小迹值法（SP-MinT），这是一种通过利用历史周别数据构建的领域知识先验来规范优化过程的新型框架。我们利用澳大利亚维多利亚州的真实电力需求数据进行了严格的滚动交叉验证，实验结果表明，SP-MinT相比标准的MinT-WLS基准方法，可将均方根误差降低31.94%，并将形状误差（动态时间规整）降低43.16%。通过弥合统计最优性与形态保真度之间的差距，SP-MinT为电网运营商提供了既符合层次结构要求又满足物理调度约束的预测结果。