使用ARIMA和LSTM进行时间序列预测

我要处理的问题是预测时间序列值。我正在一次查看一个时间序列，例如，基于15％的输入数据，我想预测其未来值。到目前为止，我遇到了两种模型：

• LSTM（长期短期记忆；一类递归神经网络）
• 有马

我都尝试过并阅读了一些文章。现在，我试图更好地了解如何比较两者。到目前为止，我发现了什么：

1. 如果我们要处理大量数据并且有足够的训练数据，那么LSTM会更好地工作，而ARIMA对于较小的数据集则更好（这是正确的吗？）
2. ARIMA需要一系列(p,q,d)必须根据数据计算的参数，而LSTM不需要设置此类参数。但是，我们需要为LSTM调整一些超参数。

除了上述特性之外，我找不到其他可以帮助我选择最佳模型的要点或事实。如果有人可以帮助我查找文章，论文或其他东西，我将非常感谢（到目前为止，还没有运气，这里和那里只有一些一般性意见，而没有基于实验的内容。）

我不得不提到，最初我是在处理流数据，但是现在我使用的是NAB数据集，其中包括50个数据集，最大大小为2万个数据点。

人工神经网络和时间序列模型用于预测商品价格的比较将ANN和ARIMA在预测金融时间序列方面的性能进行了比较。我认为这是您进行文献综述的一个很好的起点。

在许多情况下，神经网络往往胜过基于AR的模型。但是，我认为使用更高级的机器学习方法的一个主要缺点（在学术文献中并未对此进行过多讨论）是它们使用黑匣子。如果您必须向不了解这些模型的人（例如在公司中）解释该模型的工作原理，这将是一个很大的问题。但是，如果您只是在做学校工作时进行此分析，那么我认为这不会成为问题。

但是就像前面的评论员所说的那样，通常最好的方法是形成一个集合估计器，在其中将两个或多个模型组合在一起。