本文關(guān)鍵詞：基于相似漲落模式的時間序列預(yù)測研究

  更多相關(guān)文章： 時間序列 漲落模式 相似變形 相似性度量 分類 預(yù)測 穩(wěn)定性

【摘要】：時間序列相似性度量是時間序列數(shù)據(jù)挖掘領(lǐng)域的核心問題,然而由于時間序列數(shù)據(jù)背后真實系統(tǒng)的復(fù)雜性,加上觀測條件的影響,時間序列會呈現(xiàn)多種相似性變形,如振幅伸縮、振幅漂移、線性漂移和時間軸彎曲等。目前的大部分時間序列相似性度量方法對上述時間序列相似性形變的識別是有限的,造成了時間序列相似性挖掘不充分的問題。時間序列趨勢預(yù)測是時間序列數(shù)據(jù)挖掘領(lǐng)域一個重要的應(yīng)用領(lǐng)域,傳統(tǒng)的預(yù)測模型通過建立時間序列的分析模型進行回歸預(yù)測,忽略了時間序列之間的聯(lián)系和序列自身的物理含義。海量時間序列數(shù)據(jù)的特征參數(shù)是不斷變化的,具有非平穩(wěn)性的特點,預(yù)測模型需要不斷的更新才能維持一定的預(yù)測準(zhǔn)確度。以上兩點造成了時間序列分析預(yù)測模型在實際應(yīng)用時預(yù)測穩(wěn)定性差的問題。針對上述問題,本文主要研究工作如下：(1)提出漲落模式(FP)的概念,以漲落模式保存原序列的趨勢變化信息,利用最長公共子序列算法計算漲落模式的相似度,實現(xiàn)振幅伸縮、振幅漂移、線性漂移和時間軸彎曲等相似性變形的有效識別。設(shè)置仿真數(shù)據(jù)集檢驗FP相似性度量算法的相似性變形容忍性能,驗證了FP相似性度量算法在識別各類單一相似性變形時均具有非常好的性能。同時在真實數(shù)據(jù)集上進行分類實驗,依據(jù)分類準(zhǔn)確性對算法魯棒性進行評估,驗證了本文提出的基于漲落模式的相似性度量算法在識別復(fù)雜混合相似性形變上的識別性能。(2)提出基于相似漲落模式的時間序列預(yù)測算法。引入滑動時間窗口,對不等長時間序列數(shù)據(jù)進行劃分,將長序列的相似性度量轉(zhuǎn)化為序列片段的相似性度量。通過挖掘海量時間序列數(shù)據(jù)中與預(yù)測目標(biāo)最近參考模式相似的類比模式,利用等比縮放方法合成預(yù)測結(jié)果。實驗以農(nóng)產(chǎn)品價格預(yù)測為目標(biāo),選取多個農(nóng)產(chǎn)品分別進行預(yù)測,設(shè)置預(yù)測準(zhǔn)確度和預(yù)測誤差均方差為評估指標(biāo),與ARMA模型和二次指數(shù)平滑模型進行對比,驗證了本文提出的基于相似漲落模式的時間序列預(yù)測算法的準(zhǔn)確性和穩(wěn)定性。
【關(guān)鍵詞】：時間序列 漲落模式 相似變形 相似性度量 分類 預(yù)測 穩(wěn)定性
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：O211.61;TP311.13
【目錄】：

• 致謝7-8
• 摘要8-9
• ABSTRACT9-14
• 第一章 緒論14-22
• 1.1 研究背景與意義14-17
• 1.1.1 數(shù)據(jù)挖掘與時間序列數(shù)據(jù)挖掘背景14-15
• 1.1.2 時間序列相似性研究背景及意義15-16
• 1.1.3 時間序列趨勢預(yù)測研究背景及意義16-17
• 1.1.4 課題來源17
• 1.2 國內(nèi)外研究現(xiàn)狀17-19
• 1.2.1 時間序列相似性研究現(xiàn)狀17-18
• 1.2.2 時間序列趨勢預(yù)測研究現(xiàn)狀18-19
• 1.3 農(nóng)產(chǎn)品價格預(yù)測現(xiàn)狀及面臨的問題19-20
• 1.4 本文研究的主要內(nèi)容20
• 1.5 本文的組織結(jié)構(gòu)20-21
• 1.6 本章小結(jié)21-22
• 第二章 時間序列相似性度量算法研究22-32
• 2.1 相關(guān)定義22-23
• 2.2 時間序列相似性變形23-26
• 2.3 相似性度量方法研究26-31
• 2.3.1 明氏距離27
• 2.3.2 動態(tài)彎曲距離27-28
• 2.3.3 編輯距離28-29
• 2.3.4 特征距離29-30
• 2.3.5 其他距離30-31
• 2.5 本章小結(jié)31-32
• 第三章 基于漲落模式的時間序列相似性度量算法32-45
• 3.1 引言32-33
• 3.2 時間序列模式33-34
• 3.3 漲落模式34-35
• 3.4 基于漲落模式的時間序列相似性度量算法35-37
• 3.4.1 漲落模式的生成36
• 3.4.2 漲落模式相似性度量36-37
• 3.5 實驗及分析37-44
• 3.5.1 實驗設(shè)計及實驗數(shù)據(jù)描述37-38
• 3.5.2 仿真數(shù)據(jù)實驗38-42
• 3.5.3 真實數(shù)據(jù)實驗42-44
• 3.6 本章小結(jié)44-45
• 第四章 基于相似漲落模式的時間序列預(yù)測算法45-57
• 4.1 引言45-46
• 4.2 基于時間的滑動窗口46-47
• 4.3 類比合成預(yù)測算法47
• 4.4 基于相似漲落模式的時間序列預(yù)測算法47-50
• 4.4.1 參考序列漲落模式與類比序列漲落模式生成48-49
• 4.4.2 類比序列合成預(yù)測49-50
• 4.5 實驗及分析50-56
• 4.5.1 實驗設(shè)計及實驗數(shù)據(jù)描述50-51
• 4.5.2 實驗結(jié)果評價指標(biāo)51
• 4.5.3 實驗結(jié)果及分析51-56
• 4.6 本章小結(jié)56-57
• 第五章 總結(jié)與展望57-58
• 5.1 總結(jié)57
• 5.2 展望57-58
• 參考文獻58-62
• 攻讀碩士學(xué)位期間的學(xué)術(shù)活動及成果情況62-63

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 施久玉,杜金觀;有限個狀態(tài)時間序列的某些結(jié)果[J];應(yīng)用數(shù)學(xué)學(xué)報;1990年01期

2 馮希杰;長江三峽及其鄰區(qū)斷裂活動時間序列[J];華南地震;1991年02期

3 王霞,郭嗣琮,劉淑娟;時間序列模糊滑動預(yù)測[J];遼寧工程技術(shù)大學(xué)學(xué)報(自然科學(xué)版);1999年03期

4 溫品人;時間序列預(yù)測法的實際應(yīng)用分析[J];江蘇廣播電視大學(xué)學(xué)報;2001年06期

5 許清海;混沌投資時間序列的嬗變[J];漳州師范學(xué)院學(xué)報(自然科學(xué)版);2003年01期

6 程毛林;時間序列系統(tǒng)建模預(yù)測的一種新方法[J];數(shù)學(xué)的實踐與認(rèn)識;2004年08期

7 高潔;長記憶時間序列適應(yīng)性預(yù)測的應(yīng)用[J];江南大學(xué)學(xué)報;2004年05期

8 高潔;孫立新;;長記憶時間序列的適應(yīng)性預(yù)測誤差的譜密度[J];統(tǒng)計與決策;2006年13期

9 楊鐘瑾;;淺談時間序列的分析預(yù)測[J];中國科技信息;2006年14期

10 李健;孫廣中;許胤龍;;基于時間序列的預(yù)測模型應(yīng)用與異常檢測[J];計算機輔助工程;2006年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 周家斌;張海福;楊桂英;;多維多步時間序列預(yù)報方法及其應(yīng)用[A];中國現(xiàn)場統(tǒng)計研究會第九屆學(xué)術(shù)年會論文集[C];1999年

2 馬培蓓;紀(jì)軍;;基于時間序列的航空備件消耗預(yù)測[A];中國系統(tǒng)工程學(xué)會決策科學(xué)專業(yè)委員會第六屆學(xué)術(shù)年會論文集[C];2005年

3 盧世坤;李夕海;牛超;陳蛟;;時間序列的非線性非平穩(wěn)特性研究綜述[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

4 李強;;基于線性模型方法對時間序列中異常值的檢測及證券實證分析[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機遇、責(zé)任和對策（上冊）[C];2002年

5 戴麗金;何振峰;;基于云模型的時間序列相似性度量方法[A];第八屆中國不確定系統(tǒng)年會論文集[C];2010年

6 謝美萍;趙希人;莊秀龍;;多維非線性時間序列的投影尋蹤學(xué)習(xí)逼近[A];'99系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];1999年

7 張大斌;李紅燕;劉肖;張文生;;非線性時問序列的小波-模糊神經(jīng)網(wǎng)絡(luò)集成預(yù)測方法[A];第十五屆中國管理科學(xué)學(xué)術(shù)年會論文集（下）[C];2013年

8 黃云貴;;基于時間序列的電網(wǎng)固定資產(chǎn)投資規(guī)模研究[A];2012年云南電力技術(shù)論壇論文集（文摘部分）[C];2012年

9 李松臣;張世英;;時間序列高階矩持續(xù)和協(xié)同持續(xù)性研究[A];21世紀(jì)數(shù)量經(jīng)濟學(xué)（第8卷）[C];2007年

10 陳赫;羅聲求;;歷史橫斷面數(shù)據(jù)的時間序列化[A];科學(xué)決策與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第六次年會論文集[C];1990年

中國重要報紙全文數(shù)據(jù)庫 前6條

1 ;《時間序列與金融數(shù)據(jù)分析》[N];中國信息報;2004年

2 何德旭 王朝陽;時間序列計量經(jīng)濟學(xué)：協(xié)整與有條件的異方差自回歸[N];中國社會科學(xué)院院報;2003年

3 劉俏;讓數(shù)據(jù)坦白真相[N];21世紀(jì)經(jīng)濟報道;2003年

4 西南證券高級研究員 董先安邋德圣基金研究中心 郭奔宇;預(yù)計6月CPI同比上漲7.2%[N];證券時報;2008年

5 東證期貨 王愛華　楊衛(wèi)東;兩年漲跌輪回 秋季普遍下跌[N];期貨日報;2009年

6 任勇邋鄭重;中國對世界鋼材價格的影響實證分析[N];現(xiàn)代物流報;2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張墨謙;遙感時間序列數(shù)據(jù)的特征挖掘：在生態(tài)學(xué)中的應(yīng)用[D];復(fù)旦大學(xué);2014年

2 張德成;滑坡預(yù)測預(yù)報研究[D];昆明理工大學(xué);2015年

3 苗圣法;時間序列的模式檢測[D];蘭州大學(xué);2015年

4 翁同峰;時間序列與復(fù)雜網(wǎng)絡(luò)之間等價性問題及表征應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2015年

5 楊婷婷;用Argo浮標(biāo)結(jié)合衛(wèi)星觀測估算北太平洋經(jīng)向熱輸運[D];中國科學(xué)院研究生院(海洋研究所);2015年

6 史文彬;時間序列的相關(guān)性及信息熵分析[D];北京交通大學(xué);2016年

7 原繼東;時間序列分類算法研究[D];北京交通大學(xué);2016年

8 王曉曄;時間序列數(shù)據(jù)挖掘中相似性和趨勢預(yù)測的研究[D];天津大學(xué);2003年

9 李桂玲;時間序列的分割及不一致發(fā)現(xiàn)研究[D];華中科技大學(xué);2012年

10 周勇;時間序列時序關(guān)聯(lián)規(guī)則挖掘研究[D];西南財經(jīng)大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張鳴敏;基于支持向量回歸的PM_(2.5)濃度預(yù)測研究[D];南京信息工程大學(xué);2015年

2 林健;基于改進小世界回聲狀態(tài)網(wǎng)的時間序列預(yù)測[D];渤海大學(xué);2015年

3 曹智麗;日氣溫和干旱指數(shù)支持向量回歸預(yù)測方法[D];南京信息工程大學(xué);2015年

4 高雄飛;基于分形理論的土壤含水量時間序列特性分析[D];長安大學(xué);2015年

5 姚茜;城市安全生產(chǎn)發(fā)展目標(biāo)研究[D];中國地質(zhì)大學(xué)(北京);2015年

6 郭博;余額寶用戶特征分析和申贖行為研究[D];電子科技大學(xué);2015年

7 王偉;基于時間序列的噪聲監(jiān)測點異常發(fā)現(xiàn)[D];南京航空航天大學(xué);2015年

8 鄭平;支持向量回歸在金融時間序列預(yù)測中的應(yīng)用[D];遼寧師范大學(xué);2015年

9 李鴻利;時間序列的行為匹配與評估技術(shù)研究[D];解放軍信息工程大學(xué);2014年

10 王珂;基于時間序列法的不良數(shù)據(jù)的辨識與修正研究[D];東南大學(xué);2015年

，

本文編號：1109232