2019年03月13日下午，澳大利亚莫纳什大学Talagala博士来我院做了“基于时间序列特征的预测方法研究”的学术报告。Thiyanga Talagala博士的研究侧重于预测大量时间序列的问题，她的研究包括时间序列分析，应用统计和统计计算。

在报告中，Talagala博士介绍了三种基于特征的大规模时间序列预测算法，这些算法是基于元学习方法开发的。在第一个算法中，报告者使用随机森林算法来识别最佳预测模型，将此框架称为FFORMS（基于特征的预测模型选择），该算法曾获2018年全球M4预测竞赛的第二名。在第二种算法FFORMA（基于特征的预测模型平均）中，报告者使用梯度增强来获得预测组合的权重。第三种算法使用高校贝叶斯多变量曲面回归方法来估计每种方法的预测误差，然后使用最小预测误差来选择预测模型或选择预测组合的单个模型。与大规模预测中的几种基准和其他常用方法相比，报告者所提出的算法具有良好的预测性能。

报告结束后，青年教师、研究生与Talagala博士进行了深入的交流。本次活动受中央财经大学2019专题学术讲座项目资助。