间歇性时间序列数据多目标决策挖掘算法设计

时序数据规模化存储能大幅度提升经济效益,但传统挖掘算法无法从海量数据中提取有效信息。为解决上述难题,通过对数据进行优化处理,提出一种MAD-SVR时序数据回归预测算法。算法首先对大数据进行标准化处理,并通过极值点分析与剔除,提升数据的有效性;然后采用多目标MIC相关性分析方法,提高对标准时序数据的间歇性特征提取能力;接着利用AHP层次分析量化指标,获取最优簇N,并基于DIANA算法完成时序数据聚类优化过程;最后通过十折交叉验证的方式,构建SVR时序数据回归预测模型,完成预测结果输出。不同叠加模型的仿真对比结果表明,较其他模型相比,MADSVR模型的MAPE参数整体减少了53.89%,R^(2)参数增加了5.99%,且RMSE参数至少下降了12.31%,即其该模型的拟合度最高,预测能力最优,且预测真实占比有较大提高,但预测真实占比误差偏离度尚有优化空间。综上,MAD-SVR算法在海量时序数据挖掘中具有重要的仿真研究价值。

深度神经网络在不规则弥漫大B细胞淋巴瘤时间序列数据分类预测中的应用

目的探讨深度神经网络在不规则时间序列数据中的分类效果,并对山西某医院2014-2020年362例弥漫大B细胞淋巴瘤(diffuse large B-cell lymphoma,DLBCL)患者进行复发预测。方法回顾性地收集了确诊且治疗后达到完全缓解的362例DLBCL患者的病例资料,并预测其两年内的复发。先利用LASSO回归进行变量的筛选,再构建基于GRU-ODE-Bayes(gated recurrent unirt-ordinary differential equation-Bayes)的不规则时间序列深度神经网络模型,并与传统模型及其他深度神经网络模型进行比较。结果在本文的所有模型中,传统模型的分类性能不及深度神经网络模型。其中GRU-ODE-Bayes模型最优,其AUC为0.85,灵敏度为0.84,特异度为0.71,G-means为0.77。结论关于不规则DLBCL时间序列数据,与本文其他模型相比,GRU-ODE-Bayes模型可以更精准地预测DLBCL患者的复发情况,可为患者个性化治疗和医生决策提供参考。

基于改进VAE的时间序列数据增强方法

基于数据驱动的时间序列预测模型通常需要大量的训练数据,当数据量不足时将导致建模的准确性下降。本文针对时间序列预测中的小样本问题,提出了一种基于改进变分自编码器(Variational Auto-Encoder,VAE)的时间序列数据增强方法,旨在生成和原始数据不同但分布相似的虚拟数据。通过在编码网络中引入多头自注意力机制挖掘原始数据深层特征,为解码网络生成数据时提供全面的特征信息;引入残差连接避免模型出现梯度消失的问题。由于时间序列数据具有趋势与周期性,故在解码网络中引入趋势组件和季节性组件,以准确表示原始数据的时间特性,并且为数据的生成过程赋予时间上的可解释性。为了验证本文方法的有效性,和当前常用的时序数据增强方法进行比较,实验结果表明,该方法在虚拟样本的生成和时间序列回归预测上均具有较好表现。

一种基于金融时间序列数据的深度学习风险预测方法

金融时间序列数据的指标按照不同的会计准则会得到不同的数值,如何取舍会受到人为因素的干预。针对金融时序数据的领域泛化专门提出一种异常检测方法,解决特征分布的多样性和复杂性,捕捉金融序列数据的特有表征模式。将循环神经网络之后获得的结果仅作为学习到的知识,通过标准分类器在特征空间对其边缘分布进行适配,然后再通过隐变量自回归模型进一步进行预测,以此来提高预测的精度。然后,构建一个隐变量自回归模型来进行风险预测,通过捕捉金融时间序列数据之间的特征分布来识别其中的金融风险,实验结果表明,模型具有一定的可行性。

基于风电机组输出时间序列数据分群的风电场动态等值

为了在保证精度的前提下降低含风电场仿真系统模型的复杂度,以风电场并网点输出特性一致为目标,提出一种风电场动态等值方法。利用风电机组输出时间序列数据,应用几何模板匹配算法刻画该时间序列曲线特征,使用属性阈值聚类算法来实现风电机组分群,适用于所选时间序列的时间段内的所有时刻。在各群内,按照风电机组功率输出特性不变的原则对风电机组参数进行等值,以电压差不变为原则对集电线路进行等值。最后,以宁夏某实际风电场为例,分别选择不同时刻的风电机组状态为初值进行仿真,并比较风电场详细模型和等值模型的输出特性。结果表明,等值前后风电场并网点输出特性均保持一致,分群方法可以反映风电机组在该时间段内各时刻的运行特性,等值方法合理有效,具有一定的工程应用价值。

基于时间序列数据挖掘的故障检测方法

为了有效地检测发动机试车实验中性能参数发生的异常,提出一种基于时间序列数据挖掘的发动机故障检测方法。通过基于形态特征的时间序列特征表示方法,将发动机参数时间序列转化为符号序列,再根据符号语义对发动机参数序列实现稳态特征和过渡态特征识别。同时,根据稳态序列的数据特征,利用基于统计特征的时间序列相似性度量结合最不相似模式发现方法实现发动机的故障检测。数值实验结果表明,与传统方法相比,本文方法能够有效地对发动机性能参数进行故障检测,并且具有较强的鲁棒性。

基于时间序列数据扩增和BLSTM的滚动轴承剩余寿命预测方法

针对滚动轴承全寿命周期监测数据不足导致剩余寿命预测精度不高的问题,提出一种基于时间序列数据扩增和双向长短时记忆(bidirectional long-short term memory, BLSTM)网络的剩余寿命预测方法。首先,采集训练用滚动轴承全寿命周期振动加速度和测试轴承振动加速度数据。其次,对采集得到的原始数据预处理后提取健康因子,将训练用数据和测试数据分别构成参考数据集和目标数据集。然后,以参考数据集为基础,利用动态时间规整算法扩增目标数据集数据。最后,使用数据扩增后的测试数据训练BLSTM网络,利用训练好的BLSTM网络预测滚动轴承性能退化趋势和剩余寿命。实验结果表明,基于动态时间规整算法的数据扩增模型能够根据已有全寿命周期数据,扩增性能退化过程相似的滚动轴承运行数据,利用扩增数据训练BLSTM网络,能够有效提高性能退化趋势预测能力,进而提高剩余寿命预测精度。

基于Storm的电网时间序列数据实时预测框架

对电网运行产生的时间序列数据展开实时预测研究,提出基于Storm平台和ARIMA模型的预测框架。分析不同类型电网时序数据的特点,预设拟合模型以降低模型构建的盲目性,缩短预测时间,同时设计基于HBase的新型时序数据存储模式加快数据检索速度。通过对海量的时序数据源进行并发预测,比较不同数据样本对预测值的影响并实时分析预测误差。经实例从预测精度、运算速度、占用资源3个角度验证了该框架的有效性与实用性。

时间序列数据库在地区电网调控一体化系统中的应用

本文在分析地区电网调控一体化系统特点的基础上,提出了在系统中引入时间序列数据库的设计方案,将Oracle数据库与国产时间序列数据库结合使用,解决了关系型数据库在系统使用中存储和访问效率等方面的问题。介绍了所开发的时间序列数据库服务及其主要功能应用,如实时曲线、事故反演、历史潮流、可视化调度等。

基于重构的Landsat 8时间序列数据和温度植被指数的区域旱情监测

为了快速且准确地估算大区域范围内土壤水分信息,实现松嫩平原北部区域旱情的监测。基于Landsat 8时间序列数据,计算归一化植被指数(NDVI)和地表温度指数(LST)的时间序列数据,在此基础上利用Savitzky-Golay(S-G)滤波对所得时间序列数据进行了重构,弥补因受云和大气影响而产生的噪声。然后根据重构后的NDVI和LST数据,求得温度植被指数(TVDI);探讨TDVI和土壤湿度之间的关系,构建土壤湿度反演模型,并结合野外实测数据对模型精度进行了验证。结果表明:(1)S-G滤波可以有效地弥补因受云和大气影响而产生的不足,提高Landsat 8时间序列数据的质量;(2)温度植被干旱指数可以有效地反映土壤湿度状况,经过S-G滤波处理后的数据反演精度更高(RMSE=2.14%);(3)经过S-G滤波处理后的Landsat 8数据可以更为精确实现大区域范围内时间序列的旱情监测,为区域旱情的监测提供借鉴。

Landsat长时间序列数据格式统一与反射率转换方法实现

介绍了一种长时间序列遥感影像预处理程序,即陆地卫星生态系统干扰自适应处理系统(landsat ecosystem disturbance adaptive processing system,LEDAPS)。该程序通过使用MODTRAN太阳能输出模型,校正太阳方位、日地距离、TM或ETM+带通以及太阳辐照度,将定标影像转换为表观(top-of-atmosphere,TOA)反射率影像,并将通过浓密植被(dark dense vegetation,DDV)算法插值生成的气溶胶光学厚度(aerosol optical thickness,AOT)以及通过相关资料获得的臭氧(O3)浓度、大气压及水汽值等用于6S辐射传输模型,生成地表反射率产品。以LEDAPS可处理的标准数据Landsat7 ETM+和统一格式后的非标准数据Landsat5 TM影像为例,介绍了长时间(1987—2011年)序列数据的选择、格式统一以及算法的实现过程,同时给出了校正后影像效果评价的方法。结果表明,标准数据和非标准数据经过LEDAPS处理后生成的地表反射率产品能有效降低大气中O3、水汽及气溶胶等对影像真实反射率的影响,为土地覆盖变化和干扰因素等的长时间序列监测和生物物理参数的遥感反演提供科学产品,有助于在国内形成处理长时间序列影像数据的准则。

基于特征的时间序列数据场可视化方法

本文给出了一种在与时间有关的多时间片序列数据场中抽取特征并进行可视化的方法．首先讨论了特征可视化的一般概念，给出了数据场中特征的定义及特征可视化的基本方法．提出了一个在二维数据场中进行特征边界跟踪的方法，采用２个边界算子抽取边界，用树形结构表示特征边界之间的关系，用Ｆｏｕｒｉｅｒ描述器描述特征边界并重构．最后，讨论了算法的实现及有关问题．

利用MODIS/EVI时间序列数据分析干旱对植被的影响

为了分析2006年四川重庆地区夏季干旱对该地区植被生长的影响,选取该地区多年中分辨率成像光谱仪(MODIS)增强植被指数(EVI)时间序列数据进行研究,利用时间序列谐波分析(HANTS)算法对EVI数据进行去云处理,并根据处理后的结果(重构的EVI数据以及HANTS分析得到相应频率对应的振幅和相位),分析干旱对该地区的影响,同时结合地面气象数据加以补充说明。将干旱年份和正常年份对比分析,结果表明,处理后的EVI时间序列数据能较好地反映干旱对地表植被的影响,振幅和相位的空间分布特征能够很好地反映干旱的影响范围。

基于Landsat长时间序列数据估算树高和生物量

以Landsat长时间序列数据为研究对象,旨在以光谱序列信息反演森林参数为视角,应用Landtrendr算法从时间序列数据中提取森林扰动变量,使用随机森林计算方法建立扰动变量、反射率和GLAS激光点森林参数之间的关系模型,获取树高和生物量的空间分布信息。为多源遥感数据反演森林参数提供参考,研究证明基于Landsat长时间序列数据获得的森林扰动变量能够增强反射率和森林参数之间的相关性,可提高预测精度。

广西金融发展与经济增长的实证研究——基于1978年～2008年的时间序列数据

广西金融发展与经济增长的实证研究表明,1978年～2008年,广西人均地区生产总值与金融相关比率存在较强的因果关系,人均地区生产总值增长率与金融相关比率的关系不显著,实际利率滞后变量与经济发展指标不存在有统计意义的关系。因此,要促进广西金融发展,就应加快广西金融机构和金融体制改革,健全广西金融组织体系,扩大广西金融对外开放。

基于分段极值的时间序列数据查询显示方法

时间序列数据在许多领域广泛存在,有海量和复杂的特点,直接查询出所有的原始数据并对其进行分析十分耗时,且对计算机的内存消耗极大。为此,提出一种基于分段极值的时间序列数据查询显示方法,对需要查询分析数据的时间范围进行分段,根据各个时间段数据的极值及总取点个数来确定该时间段的取点个数,通过数据库本身的查询机制实现均匀取点,并结合多线程机制实现各时间段数据的并行查询及曲线绘制。实验结果表明,与传统查询及可视化方法相比,该方法能够指定取点数量,并在取点数量确定的情况下,绘制曲线能较好地逼近原始曲线,且极大地缩短曲线的查询绘制时间,具有较好的工程实用性。

一种基于混合模型的时间序列数据挖掘系统

时间序列数据挖掘是在从数据仓库中提取出有效历史数据的基础上 ,对其进行一定的处理 ,从而发现隐含、未知的有效信息 .本文阐述了一种新的基于灰色 -回归 -模糊神经网络混合模型的时间序列数据挖掘系统 ,重点讨论了灰色 -回归 -模糊神经网络混合模型的建立过程 ,并应用于浙江省可持续发展预测 ,取得了满意的结果 .该混合模型融合多种智能计算方法优点于一体 ,为时序数据挖掘提供了一种新的实用方法 .

更富裕是否意味着更幸福?基于横截面时间序列数据的分析(2003—2013)

四十年前,经济学家伊斯特林提出了"幸福感悖论":短时期内个人和国家的财富水平与幸福感都正向相关,而在长期背景下,经济增长并不会显著提高整体幸福感水平。本文使用横跨十年的全国代表性横截面时间序列数据直接检验了财富与幸福感的关系,结果证实了"幸福感悖论"。研究发现,虽然在短时期内,无论是家庭人均收入还是省份的人均生产总值都与幸福感有显著的正相关,但在经济高速发展的十年内(2003—2013),省份人均生产总值的变化与幸福感的变化之间并没有显著相关。

非线性时间序列数据中的关联维提取

本文将混沌方法引入具有非线性时间序列的降雨量分析。首先对有关混沌及关联维的概念作简单介绍,在确定降雨量数据具有混沌特征后,对其进行关联维提取,得到颇具意义的结果。

基于MODIS/EVI时间序列数据分析冰冻灾害对植被绿叶始期的影响

在全球气候变化的研究中,植被物候与气候的关系是一个重要的课题,它显示陆地生态系统对全球变化的响应。笔者用2005～2008年1～7月每8 d时间序列的MODIS/EVI数据及其相应的地面数据,运用时间序列谐波分析(HANTS)算法对EVI数据进行去云处理。对处理后的结果,采用动态阈值法获取该区域2005～2008年植被物候(生长始期)及其分布格局,并将冰冻灾害年份跟正常年份植被物候分布格局进行对比,分析冰冻灾害对该地区植被物候的影响。结果表明,处理后的EVI数据能较好地反映冰冻灾害对植被物候的影响,准确地反映了冰冻灾害的实际影响范围。该研究结果说明,通过HANTS法分析卫星遥感数据可较为准确地反映植被的生态特征。