[0045] 均方根误差RMSE的计算结果取值为0,表明预测模型能够给出完全准确的预测结 果；
[0046] 步骤一中，根据每个预测模型的预测步长P、真实值xk和预测模型输出结果毛，获 得各预测模型的对数均方误差MSEL的过程为：
[0047] 根据公式：
[0049] 获得对数均方误差MSEL;
[0050] 某个预测模型的对数均方误差MSEL的计算结果相对其他预测模型的计算结果 大，则该预测模型的预测结果与真实值的偏差大，即整体的偏差程度大，
[0051] 某个预测模型的对数均方误差MSEL的计算结果相对其他预测模型的计算结果 小，则该预测模型的预测结果与真实值的偏差小，即预测结果接近真实值，
[0052] 对数均方误差MSEL的计算结果取值为0,表明预测模型能够给出完全准确的预测 结果；
[0053] 步骤一中，根据每个预测模型的预测步长P、真实值xk和预测模型输出结果毛，获 得各相应预测模型的平均绝对误差MAE的过程为：
[0054] 根据公式：
[0056] 获得平均绝对误差MAE;
[0057] 某个预测模型的平均绝对误差MAE的计算结果相对其他预测模型的计算结果大， 则该预测模型的预测结果与真实值的偏差大，即整体的偏差程度大，
[0058] 某个预测模型的平均绝对误差MAE的计算结果相对其他预测模型的计算结果小， 则该预测模型的预测结果与真实值的偏差小，即预测结果接近真实值，
[0059] 平均绝对误差MAE的计算结果取值为0,表明预测模型能够给出完全准确的预测 结果；
[0060] 含符号相对误差包括平均百分比误差MPE和相对容量误差RVE，
[0061] 相对容量误差RVE和平均百分比误差MPE，均用于计算每个预测点相对误差的总 体平均水平，
[0062] 步骤一中，根据每个预测模型的预测步长P、真实值xk和预测模型输出结果毛，获 得各预测模型的平均百分比误差MPE的过程为：
[0063] 根据公式：
[0065] 获得平均百分比误差MPE;
[0066] 某个预测模型的平均百分比误差MPE的绝对值相对其他预测模型的平均百分比 误差MPE的绝对值大，则该预测模型的预测结果大于真实值或者小于真实值；
[0067] 平均百分比误差MPE取值的绝对值接近0,则正负误差出现的几率和大小相同，系 统偏差小；
[0068] 步骤一中，根据每个预测模型的预测步长P、真实值xk和预测模型输出结果毛，获 得各预测模型的相对容量误差RVE的过程为：
[0069] 根据公式：
[0071] 获得相对容量误差RVE;
[0072] 某个预测模型相对其他预测模型的相对容量误差RVE的绝对值大，则预测模型存 在系统偏差大，则该预测模型预测结果大于真实值或者小于真实值；
[0073] 相对容量误差RVE取值的绝对值接近0的，则预测结果与真实值之间出现正负误 差的几率和大小相同，系统偏差小；
[0074] 无符号相对误差包括均方相对误差MSRE、平均绝对百分比误差MAPE、平均绝对尺 度误差MASE和归一化均方根误差NRMSE，
[0075] 均方相对误差MSRE，用于计算预测模型总体的平均相对预测偏差，
[0076] 步骤一中，根据每个预测模型的预测步长P、真实值xk和预测模型输出结果％，获 得各预测模型的均方相对误差MSRE的过程为：
[0077] 根据公式：
[0079] 获得均方相对误差MSRE;
[0080] 平均绝对百分比误差MAPE，计算每个预测点绝对误差相对于数据点的大小，再计 算所有计算结果的平均值，用来预测预测结果相对于真实值的相对偏差的平均水平，
[0081] 步骤一中，根据每个预测模型的预测步长P、真实值Xk和预测模型输出结果毛，获 得各预测模型的平均绝对百分比误差MAPE的过程为：
[0082] 根据公式：
[0084] 获得平均绝对百分比误差MAPE;
[0085] 平均绝对尺度误差MASE，用于计算预测偏差相对于数据自身增幅的大小，
[0086] 步骤一中，根据每个预测模型的预测步长P、真实值xk和预测模型输出结果毛，获 得各预测模型的平均绝对尺度误差MASE的过程为：
[0087] 根据公式：
[0089] 获得平均绝对尺度误差MASE;
[0090] 平均绝对尺度误差MASE超出数据自身的平均增长速度，则预测结果的偏差过大；
[0091] 归一化均方根误差NRMSE，是归一化后的RMSE指标，用来预测预测模型输出结果 相对于输入时间序列的平均偏差水平，
[0092] 归一化均方根误差NRMSE的取值范围为0至正无穷，
[0093] 归一化均方根误差NRMSE为0,表示预测模型性能好，
[0094] 步骤一中，根据每个预测模型的预测步长P、真实值xk和预测模型输出结果毛，获 得各预测模型的归一化均方根误差NRMSE的过程为：
[0095] 根据公式：
[0097] 获得归一化均方根误差NRMSE。
[0098] 本实施方式中，ME指标评估所有预测点预测偏差的平均水平，由于含有正负符号， 因此得到的是经过正负抵消后的结果，能够描述预测模型输出结果相对于真实数值偏大或 偏小的平均程度。恰恰由于计算过程中存在正负符号相互抵消的情况，因此，即使ME取值 较小也并不一定意味着模型的预测性能良好，需要借助其他类别的指标综合判断模型性 能。
[0099] MSRE与MPE相似，刻画的是预测模型总体的平均相对预测误差，较大的相对误差 将出现在相对本身取值较小的数据位置，而这里由于MSRE对误差进行了平方处理，在去掉 符号影响的同时也增加了指标对于误差的敏感程度。MAPE是MPE的相对化指标，通过计算 每个预测点绝对误差相对于数据点的大小，再计算所有计算结果的平均值，来刻画预测结 果相对于真实数据的相对偏差的平均水平。由于MAPE的计算过程中没有对偏差进行平方 处理，因此，其对于取值较大、相对误差较小的预测点的偏差的敏感程度要更低，但是MAPE 与原始数据是同量纲的。NRMSE是归一化的RMSE结果，适合平稳数据的预测评价，评价误差 的均方根与每个点和总体数据期望的均方根之比，消除了数据之间的差异性。但是，由于需 要计算每个点与总体数据期望的均方根，就要求数据本身不存在趋势性，即要求数据平稳， 避免趋势特性引入的较大偏差。
【具体实施方式】 [0100] 四：本实施方式是对一所述的基于时间序列预测模型 适用性量化的预测模型选择方法作进一步说明，本实施方式中，局部误差包括最大绝对误 差AME、最大峰值误差roiFF、相对最大峰值误差PEP和误差符号变化次数NSC，
[0101] 误差符号变化次数NSC主要记录误差序列符号发生变化的次数，用来预测预测结 果中是否存在系统误差，预测结果是否大于真实值或者小于真实值，
[0102] 误差符号每变化一次则NSC计数增加1，NSC取值为0则说明符号没有发生变化， 表示预测模型大于真实值或者小于真实值，
[0103] 预测误差符号是一致的，整体预测结果在实际数据结果的上方或下方，存在系统 偏差，
[0104] 误差符号变化次数NSC取值等于真实值，则表示误差符号在不断变化，预测结果 中不存在恒定的系统偏差，
[0105] 最大绝对误差AME，用于计算最大预测偏差，最大绝对误差AME取值为0,模型最 优，
[0106] 步骤一中，根据每个预测模型的预测步长P、真实值xk和预测模型输出结果毛，获 得各预测模型的最大绝对误差AME的过程为：
[0107] 根据公式：
[0109] 获得最大绝对误差AME;
[0110] 最大峰值误差H)IFF，用于判断在预测结果中是否存在系统偏差使得预测结果大 于真实值或小于真实值，
[0111] 最大峰值误差roiFF取值为正，则表明预测模型的预测结果小于真实值，
[0112] 最大峰值误差roiFF取值为负，则表明预测模型的预测结果大于真实值，
[0113] 步骤一中，根据预测模型的预测步长、输入时间序列和预测模型输出结果，获得各 预测模型的最大峰值误差roiFF的过程为：
[0114] 根据公式：
[0116] 获得最大峰值误差roiFF;
[0117] 相对最大峰值误差PEP，用于预测当前的峰值状态的误差，