Recursive prediction algorithm for non-stationary Gaussian Process

فرایند گاوسی یک الگوی تئوری دقیق برای مشکلات پیش بینی است. یکی از کمبودهای این مدل این است که الگوریتم دقیق کشف دقیق آن به صورت محاسباتی قابل استفاده است. بنابراین، برنامه های کاربردی آن در زمینه پیش بینی های آنلاین در زمان واقعی محدود است. در این مقاله، یک الگوریتم پیش بینی بازگشتی بر اساس مدل فرایند گاوسی پیشنهاد شده است. در الگوریتم های بازگشتی، زمان محاسبات مرحله بعدی را می توان با استفاده از نتایج متوسط ​​مرحله جاری کاهش داد. الگوریتم بازگشتی پیشنهادی پیش بینی را تسریع می دهد و از دست دادن دقت در همان زمان جلوگیری می کند. آزمایشات بر روی داده های بار الکتریکی فوق العاده کوتاه مدت انجام می شود و نتایج نشان می دهد که دقت و کارایی الگوریتم جدید را نشان می دهد.