一种用于高阶数据预测的张量自回归方法研究

摘要

通过张量方法为高阶高维时间序列构建一种新的回归模型。基于张量奇异值分解，在张量T-积下利用管秩为张量时间序列预测问题提出了一种新型的低秩自回归模型，并采用交替极小化算法进行模型参数估计。数值实验结果显示，该模型在预测精度和计算时间方面均表现出一定优势。该结果验证了这个低秩自回归模型的可行性与有效性。

关键词

张量奇异值分解 / 自回归模型 / 张量T-积 / 管秩 / 交替极小化算法