现实世界中的许多动态过程都可以建模为时间序列，因此时间序列预测对社会经济发展具有重要意义。从实际项目中获得的时间序列固有的非平稳性可能使其难以准确预测。为了缓解这一问题，本文提出了一种基于自适应集成的双增量学习算法，简称AE-DIL，用于非平稳时间序列预测。AE-DIL提供了一个由两个模块组成的通用在线预测框架。第一种基于统计假设检验和自适应滑动窗口技术检测变化。二是基于双增量学习和自适应集成学习对预测模型进行更新。与几个基线和最先进的模型相比，在七个基准时间序列数据集上进行的实验从经验上证明了所提出算法的有效性。
