基于实证数据的时间序列预测模型对比分析

基于实证数据的时间序列预测模型对比分析可以通过计算两种模型的平均绝对误差（MAE）和平均绝对百分比误差（MAPE）来进行。在文献中，作者使用了基于Fisher聚类数据的季节性自回归差分移动平均模型进行预测，并与其他模型进行了比较。结果显示，该模型在预测效果上具有较好的表现。

此外，在文献中，作者提出了一种结合了2D卷积和循环连接的模型，可以在输入层中接收多个时间序列，从而捕获全局属性。而TRMF是一种时间正则化矩阵分解模型，它可以将所有时间序列表示为基本时间序列的线性组合，并在预测期间捕获全局模式。然而，TRMF只能对线性时间依赖性进行建模。

在对比分析中，可以考虑使用不同的评估指标，如预测误差、模型拟合度等，来对不同的模型进行评估和比较。此外，还可以使用交叉验证等方法来进一步验证模型的稳定性和泛化能力。