Neural network Encog预测神经网络结果

我一直在使用Encog Neural Net workbench 3.2版来运行太阳黑子预测例程，并注意到当将未来预测窗口更改为大于1时，sunspot_output.csv中的结果似乎是时间偏移，因此网络在t=0时的计算结果实际上不是t+1，t+2，t+3等等。很可能我不了解工作台是如何显示结果的，所以也许有人可以为我澄清一下

据我所知，如果你使用30的过去窗口和14的未来窗口，那么网络将查看最后30条记录，并从最后一条可用记录预测未来。在这种情况下，假设1951年11月1日是最后一条可用记录。因此，对1951年11月1日的评估将回溯到1949年5月1日的30条记录，并使用这些信息通过经过训练的网络来预测1951年12月1日t+1、1952年1月1日t+2、1952年2月1日t+3等的数据。然而，查看结果文件，情况似乎并非如此。这一预测似乎是对前14条记录模式的重复。因此，t+1实际上比t=0的下一个记录更能代表1950年1月8日的t-14，也就是1951年1月12日

我有一张图片显示了这一点，但不幸的是，我似乎还没有发布它的声誉点。为了重现这个问题，我建议使用Encog工作台，使用过去窗口30，未来窗口14，训练误差1%或2%

总结如下：

当查看预测网络结果时，是否有其他人注意到了这个问题，尤其是对于超过一个时间步的预测结果？ 为什么workbench结果显示，当您查看与输出相关的日期时，encog预测神经网络无法正确预测未来。

---

谢谢你的任何想法

滑动窗口时间序列预报器的工作原理不是问题。 我建议你在这里深化 这实际上取决于你如何调整神经网络

如果你想要更多的预测能力，你必须提取特征或合成新特征，例如，我会使用小波提取和去噪

注意规范化。如果知道存在已知范围，则使用范围规格化，否则使用z规格化。 使用适当的激活函数：如果标准化范围为0,1，则为Sigmoid；如果范围为-1,1，则为tanh

但在结束之前，神经网络并不能预测，我建议你使用encog中包含的SVR支持向量回归。 它保证它是否达到全球最低值。 看看SVR预测是否比ANN好。 如果不使用我的第一个建议-

---

Vincenzo

你真的有问题吗？如果不清楚的话，就补充一些。基本上，我只是想让其他人确认我所看到的。不幸的是，在没有图片的情况下，很难解释发生了什么。@dnvwind不要犹豫制作一张图片并发布链接。