.png){kind=icon}
返回
Exploring Hybrid Quantum-Classical Methods for Practical Time-Series Forecasting
.png){kind=icon}
PRE
AI
DOI：10.22364/bjmc.2026.14.1.09.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
时间序列预测对于战略规划和资源配置至关重要，在金融、供应链管理和能源需求预测等领域具有重要意义。在这些领域中，预测质量的微小改进可以带来显著的经济和战略效益。评估量子增强预测方法的实用性非常重要，因为量子方法可以补充经典模型的优点。在本工作中，我们探讨了两种基于量子的时间序列预测方法。第一种方法利用参数化量子电路（PQC）模型。第二种方法采用变分量子线性回归（VQLS），将预测问题表述为通过量子优化求解的线性方程组。我们进行了比较分析以评估其实际适用性和性能。在我们的实验中，采用COBYLA优化的PQC达到了最低的测试误差率，在报告的设置下优于经典基线。VQLS表述在一般合成数据集上面临稳定性问题。
Keyword:
quantum
time-series
PQC
VQLS
forecasting
