基于不确定时间序列分析的中国居民消费水平预测

合理地预测中国居民消费水平可以为国家经济建设、运营和发展提供决策的依据。选取国家统计局网站上公布的1992—2021年居民消费水平的数据进行实证研究,通过不确定时间序列分析构建预测模型,并通过残差图的特征解释使用不确定时间序列分析代替概率时间序列分析的原因,利用不确定假设检验来检测不确定自回归模型与数据的匹配度,结果表明模型构建与数据匹配良好。

基于模糊集的不确定时间的表示及时态关系

研究不确定时间具有广泛的应用。不确定时间常常表现出模糊性,该文用模糊集的方法研究不确定时间点、不确定时间区间的表示方法及其时态关系。

不确定时间序列的降维及相似性匹配

不确定时间序列的每个时间点上对应一个可能取值的集合,无法给出其确定值,这种不确定性给时间序列降维处理和相似性匹配带来巨大挑战,现有的时间序列降维方法和相似性匹配算法已经无法适用。针对此问题,提出了描述统计模型,将不确定时间序列归约为3条确定时间序列,通过离散傅里叶变换(discrete Fourier transform,DFT)、离散余弦变换(discrete cosine transform,DCT)、离散小波变换(discrete wavelet transform,DWT)对模型下不确定时间序列降维;根据模型特点,提出了以观察值区间和区间集中趋势为核心的相似性匹配算法。经过实验验证,描述统计模型下DCT和DWT有良好的降维效果,提出的相似匹配算法与现有算法相比提高了匹配准确率。

基于确定时间连续Petri网的航空发动机总装资源调度

为解决航空发动机总装过程中不同工艺对设备资源的竞争问题,进行了面向资源冲突的Petri网建模,将离散模型转化为确定时间连续Petri网模型。提出采用路由函数化解设备资源冲突,并对给定路由函数下系统的周期性进行了分析。为求解全局资源利用率最大的调度策略,采用粒子群优化算法优化资源路由参数,并将最优路由参数以启发函数的形式还原到离散Petri网模型调度中。案例研究表明,调度算法实现了资源的全局最优化,大大缩短了航空发动机维修周期。

基于能量过滤的不确定时间序列数据清洗方法

精确度是数据科学领域研究的重要方面,对后续数据处理等过程都有至关重要的影响.利用多个传感器返回的多个时间序列可提升时间序列数据的精确度,称为不确定时间序列,这多个时间序列样本在真实数据上下随机波动.已有关于时间序列的研究大多直接在不确定时间序列上提出新算法,其缺点是算法复杂度通常较高,直接对不确定时间序列进行清洗,获得尽可能接近真实的数据有重要意义.本文提出基于能量过滤的方法对不确定时间序列进行清洗,实验结果表明与已有方法相比,本文方法在效果和效率上都更优.

基于PSO的不确定时间序列模体发现算法

针对不确定时间序列(uncertain time series,UTS)的模体发现(motif discovery,MD)问题,提出了基于粒子群(particle swarm optimization,PSO)的UTS MD算法。该算法根据UTS的特点,设计了基于PSO的UTS MD的研究框架,并通过对时间序列片段的起始时刻和持续时间进行编码和修正,实现了在该框架下对UTS的MD。在实验中,针对所提出的算法,验证了其可行性,比较了其与MK、MOEN算法在运行时间、占用内存和收敛性方面的性能,并分析了其MD准确率,结果表明所提方法占用较少内存与运行时间,可以发现不同长度的模体,且具有收敛性和较高的准确率。

不确定时间延迟下RMPC的保代价区域优化研究

在控制系统中,时间延迟的不确定性往往会影响控制策略的准确性.为了进一步分析时间延迟对系统性能的影响,该文在传统RMPC(Robust Model based Predictive Control)的基础上引入了不确定时间延迟,分析了不确定时间延迟下系统的保代价区域.首先,介绍了线性矩阵不等式约束下的RMPC,并分析了相应的保代价区域.接下来,在RMPC中引入不确定时间延迟,通过对系统状态空间进行放大,使其包含了更多的历史状态信息.最后,依据最大时间延迟分析了不确定性对控制系统性能的影响,并分析了相应的保代价区域.仿真实验表明,控制系统的保代价区域随着时间延迟的增加而逐渐减小,并且时间延迟的不确定性范围越大系统的保代价区域越小.

不确定时间序列的规约方法

为提高不确定时间序列的查询效率,在对不确定时间序列数据集进行建模的基础上,提出由不确定时间序列向确定时间序列的3种规约方法,分别为概率最大法、混合规约法和均值法,并给出具体的规约过程。实验结果表明,上述3种规约方法能减少时间序列的不确定性,为其相似性匹配、搜索和查询操作提供依据。

考虑均衡性的不确定时间车辆调度问题研究

本文针对车辆调度实际运行过程中时间的不确定性问题,提出了包含时间窗口、车辆容量约束的配送服务线路随机规划模型,以最小化调用的车辆数目和运行距离,降低顾客的不满意度并且尽可能保证每条路线的均衡性。结合模型,给出了基于禁忌搜索的混合启发式算法,并且生成多个算例,依据算例结果说明模型和算法优越性,同时说明可以在不降低顾客满意度和不提高总运输成本的基础上,降低各条线路之间的时间差异。

面向不确定时间序列的分类方法

时间序列的分类问题在生物、经济金融分析、语音处理等方面有着广泛的应用.在传统的确定性的时间序列上这项技术已得到了深入的研究,并取得了很好的效果;但在新兴的不确定时间序列上解决方案还很少.不确定模型更能真实地反映现实世界;因此,研究不确定时间序列的分类问题有很大的实际意义.DTW距离是确定性的时间序列上的重要的度量方式,但其不能直接应用于不确定时间序列之上.提出了基于期望距离的不确定时间序列下的DTW距离.给出了期望距离的一种简单计算方法,从而简化了不确定时间序列的建模,降低了模型的存储代价.利用期望距离公式的特点,将确定性的时间序列DTW的距离下界函数LB_Keogh进行扩展,得到了不确定时间序列的下界函数ULB_Keogh.实验结果显示:提出的DTW算法对于不确定时间序列的分类有着很高的正确率;ULB_Keogh下界函数有着很好的剪枝效果.

基于不确定时间区间TBN的洪水漫坝风险分析

洪水漫坝过程中,自然条件、坝体及应急处置等状态的不确定性所导致的事件持续时间的不确定性,以及应急处置措施的效果是影响漫坝风险的关键因素。首先将传统时间区间改造为不确定时间区间,提出了一种不确定时间区间时间贝叶斯网络(TBN),并推导了该TBN的推理算法。在此基础上构建了考虑应急处置措施的洪水漫坝风险分析模型。仿真结果表明该模型具有信息时间累积能力,能判断各应急处置措施的重要程度,表达了洪水漫坝过程中同时存在的状态不确定性和时间不确定性,提高了漫坝风险分析的精度。

关系数据库支持的不确定时间序列存储

时间序列作为一种常见的数据表现形式,广泛存在于现实世界的很多应用领域。由于不确定性数据的普遍存在,当前基于对确定性时间序列数据的存储与管理方法已经无法适用于实际需要。首先,传统时序数据库采用分布式环境下存储造成资源浪费。其次,不确定时间序列会造成存储混乱。目前,针对不确定时间序列数据在关系数据库中的存储少有研究成果发表。针对上述问题,文中提出一种基于关系数据库的不确定时间序列存储方法。首先,分析不确定时间序列的特点,提出在数据库中存储不确定时间序列的数据模型。其次,根据关系数据库的特点并结合不确定时序的数据模型,提出了一系列针对该类数据类型的存储规则并统一系统化为存储算法,使得对进行多条不确定时间序列收集时能够自动存储到关系数据库中。最后,设计并开发一个存储原型系统验证了提出的存储方法的可行性。

基于关键点的不确定时间序列线性降维方法

与确定时间序列相比,不确定时间序列在每个时间点上的取值不是一个确定的值,而是一个可能值的集合,这种不确定给时间数据的降维处理带来了巨大的挑战。加之时间序列固有的数据规模大、数据维度高的特点,对不确定时间序列进行预处理必不可少,现有的针对确定时间序列的降维方法已经不再适用。为解决此问题,建立适当的数据描述统计模型,将原始不确定时间序列归约为三条确定时间序列。同时,针对该模型,提出基于关键点的不确定时序数据线性降维算法。该算法综合考虑体现时序数据特征的极值点与转折点,在进行高效数据降维的同时避免了过度除噪的弊端。实验结果表明,该描述统计模型与基于关键点的线性降维算法的结合具有良好的降维效果,且对于不同领域的数据具有较好的普适性。

基于MR框架的不确定时间序列相似性计算方法

为了更好地适应大规模不确定时间序列数据的相似性耗时多、计算效率低的问题,基于传统的动态时间规整(DTW)相似性计算算法,在FastDTW算法已经进行粗细粒度化剪枝节省部分运算时间的情况下,通过融入MapReduce计算框架,提出一种不确定时间序列的相似性计算算法MR-FastDTW。该算法在FastDTW算法执行递归返回阶段时需要计算的递归矩阵,用MapReduce的思想分成多个子矩阵。同时对求得的路径周围的子矩阵进行并行计算,最后汇总范围内子矩阵的结果,得出最终路径。实验结果表明,MR-FastDTW算法解决了FastDTW在递归返回段执行到一定程度后计算量大的问题,提高了计算速度和计算准确性;相比于经典的DTW及其改进的FastDTW算法,具有更高的效率。

基于I-GARCH的不确定时间序列概率分布推算

处理不确定数据存储问题的常用方法是使用概率数据库的方法,但是已有的概率数据库生成方法是针对已知概率分布的数据集。不确定时间序列在每一时刻的概率分布规律随着时间的变化而变化,无法使用统一的概率推导方法进行计算,因此已有的概率数据库生成方法不再适用。为解决该问题,依托已有的ARMA模型和GARCH模型,提出推导不确定时间序列概率分布的推算模型。同时,为了进一步增强该模型的容错性,提出了相应的错误值过滤算法。实验结果表明,该模型能够有效地根据不确定时间序列的发展规律,动态地进行调整计算,得出不确定时间序列的概率分布;同时,容错算法能够很好地探测找到数据集中的错误数据,进行数据的清洗与替换,体现出良好的容错性与一般通用性。

基于等价输入干扰的不确定离散时间系统预见重复控制

针对一类具有外部干扰的不确定线性离散系统,提出一种基于等价输入干扰(equi-valent input disturbance,EID)补偿的预见重复控制设计方法。首先,为了在提高系统跟踪精度的同时对外部干扰进行主动抑制,提出一种前向通道包含预见和重复控制器、反馈通道包含EID补偿的多自由度系统结构。然后,利用T阶差分算子,获得包含目标信号预见信息、重复控制器输出以及重构干扰的增广离散系统。于是,设计控制器的问题,变成了离散系统在二次性能指标下的稳定性问题。进一步,利用Lyapunov稳定性理论和线性矩阵不等式(linear matrix inequality,LMI)处理技巧,得到系统稳定性条件,进而获得控制器参数化方法。最后,数值仿真验证了所提方法的有效性。

工业PON时间确定网络及智能控制融合系统

当前,生产智能化已成趋势,因而生产要素的全连接成为必由路径。为实现生产要素连接,需打破“信息孤岛”实现不同厂商互联互通,并在工业现场实现智能决策和控制。为此,中国电信提出时间确定网络及智能控制融合系统架构,以工业无源光网络时间确定网络开放融合自动化控制系统与人工智能系统,实现了网络、数据、控制、业务和人工智能5个方面的闭环管理。

基于不确定时间序列的外汇储量智能预测

构建了一个关于外汇储量的不确定时间序列模型。通过最小二乘原理对不确定时间序列模型中的参数进行了估计,并对求得的不确定时间序列模型进行了残差分析和置信度预测。通过对不确定时间序列模型进行随机性测试证明了时间序列模型中的扰动变量是不稳定的,从而得出扰动变量实际上是不确定变量。此外,不确定假设检验的结果表明不确定时间序列模型可以很好地拟合外汇储量数据。

股价预测的不确定统计分析

股价预测一直是股东关注的问题,准确的股价预测有利于在不可预测的金融市场中作出明智的决策。有效预测股票价格可以为投资者提供有价值的见解,提高投资者的决策合理性,进而提高我国股市的有效性。文章采用具有不确定性特征的统计方法,建立不确定时间序列股价预测模型,并以腾讯股票为例,聚焦腾讯股价的变动趋势,建模过程包括顺序选择、参数估计、残差分析、不确定假设检验和预测等,通过不确定时间序列分析的方法,探讨其在市场预测中的潜力和优势。

不确定作业时间下机场地面保障关键环节研究

为了减少地面保障服务不足对航班运行正常性造成的影响,机场需要合理高效地分配地面保障资源。针对保障作业时间的不确定性,采用分布拟合和极大似然估计法求取了不同时段和机型下各保障环节作业时间的最优分布函数,研究了保障网络中关键路径及环节发生的随机性。根据一天内关键环节的动态变化情况,改进排序算法合理分配关键作业的保障资源。研究表明:提出的基于不确定作业时间的关键路径法可以捕捉到部分关键环节的随机变化情况。以加油环节为例,基于该环节的随机性对不同时段的航班进行差异化资源分配后,保障资源的利用率提高了24.5%,保障效率得到提升。