面向教学资源的均值惩罚随机森林非平稳时序预测方法

摘要：

教学资源数据信息因多种因素影响,往往随时间推移呈现出周期变化和随机变动等特性,几种变化特性组合或叠加造成其时间序列的非平稳性.这些数据蕴含着大量的多源信息,如老师学生交互数据、学生请求资源数据等,合理地对面向教学资源非平稳时序进行预测可以有效地促进在线教育平台提高用户使用体验感等.本文提出一种均值惩罚随机森林非平稳时序预测方法(PMP-RF),对通过了非平稳性检测的教学资源时序数据进行均值惩罚处理,采用随机森林模型对均值惩罚后的非平稳时序进行预测,从而得到预测值.对教学资源请求数据的预测结果表明,PMP-RF比传统的时间序列预测方法以及神经网络预测模型的精度更高,可以很好地应用在噪声较少的非平稳时序预测中.

关键词：时间序列;非平稳性检测;均值惩罚处理;随机森林;预测

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61303029

在线出版日期：2021-10-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2089-2094