支持向量回归应用于以滞后因变量作为预测变量的时间序列

如何解决支持向量回归应用于以滞后因变量作为预测变量的时间序列

我对时间序列比较陌生。我正在处理能源消耗预测问题。数据点以 15 分钟的频率进行采样。我有一组外生变量，例如温度和其他日历变量。

由于我的数据集中存在多个季节性因素，我首先更喜欢 SVR 而非自回归模型。

现在是问题。我在我的预测变量中包含了 t-1 滞后因变量（提前 15 分钟测量的消耗量）。根据我在这里遇到的一些证据和其他答案，如果问题是预测性的而不是解释性的（如我的情况），这应该不是问题。我的问题是：在考虑非线性回归或基于 OLS 的 SVR（具有 gassuan 核）等模型时，这种方法是否也正确？其次：如何在 ARIMA 或 SARIMA 等自回归模型中使用滞后变量作为预测变量？我认为在这种情况下这可能是一个问题，因为这些模型的自回归组件已经考虑了因变量与其在 t-1、t-2、tn 处的观察之间的相关性……但我想知道更多关于那个。

如果您能提供一些参考以加深您的解释就更好了！

非常感谢。