时态数据的趋势序列分析及其子序列匹配算法研究

针对时态数据挖掘中传统趋势序列分析的缺点,提出了数字趋势序列、趋势序列展开等概念.根据数字趋势序列的特点,使用片段斜率所对应的弧度值来度量片段的趋势.针对数字趋势序列的子序列匹配问题,设计了“DTW双约束快速搜索算法”.算法分为3个部分:DTW顺序搜索、双约束机制、冗余消除机制,其中DTW顺序搜索构成了算法的基本框架,双约束机制加快了DTW距离的计算过程,冗余消除机制消除了最终结果集中的冗余.

数字趋势序列及其全序列匹配算法研究

针对基于点距离的时序数据分析和传统趋势序列分析的缺点,提出了数字趋势序列、序列的Lp距离、序列分段向量等概念,证明了包括“序列分段均值定理”在内的3个重要定理,设计了专门用于数字趋势序列的“基于序列分段向量(SSV)的全序列匹配算法”。算法使用片段斜率所对应的弧度值来度量片段的趋势,同时用趋势的保持时间来对趋势值进行加权,实现了数字趋势序列之间快速的全序列相似性搜索。

数字趋势序列的子序列匹配算法

针对时序数据挖掘中传统趋势序列分析的缺点,提出了数字趋势序列、趋势序列展开等概念.根据数字趋势序列的特点,使用片段斜率所对应的弧度值来度量片段的趋势.针对数字趋势序列的子序列匹配问题,设计了DTW(Dynamic Time Warping)快速搜索算法.算法分为3个部分:DTW顺序搜索、约束机制、冗余消除机制.并使用实际的股票数据对算法进行了验证.

供应链中趋势序列的神经网络预测研究

本文将神经网络的方法用于带趋势的时间序列的预测中。对于趋势序列的预测,采用BP算法的改进算法进行了仿真。并得出结论,在对于带有趋势的时间序列进行预测时,相对数据进行差分处理能有效地提高预测精度。

融合时间序列趋势的Dual-ESN机组负荷预测模型

针对传统模型在机组负荷预测中无法充分捕获内部多变量演化模式的问题,提出了一种基于时间序列的趋势和数值信息融合的双重回声状态网络Dual-ESN(dual-echo state network)机组负荷动态预测模型。首先,引入最小二乘法,对相关的多元历史信息按照局部时间跨度进行趋势拟合。进一步,得到有关过程变化的模式序列,并和原本的数值分别被送入两个独立的储备池,以并行的时间维度进行特征学习。其次,将隐层的高维空间状态送入输出层,融合信息,得到所需要的预测结果。最后,基于山西某工厂660 MW机组装置的真实数据集,进行验证。对比已有预测方法,结果表明所提预测模型在多种性能指标上均有提升。

一种变步长趋势子序列搜索算法

为了克服基于点距离的时间序列相似性搜索物理概念模糊和速度慢的缺点,提出时间序列的分段趋势序列(PTS)概念,并在此基础上提出一种变步长趋势子序列搜索算法.该算法基于时间序列分段线性表示理论,通过相似阈值和子序列间的趋势距离计算跳跃步长,从跳跃步长后开始的子序列进行下一次匹配,从而对全序列实现跳跃式搜索。理论分析和仿真结果表明,该算法对基于趋势表示的子序列搜索在时间和空间上都具有更优的性能,适用于时间序列的动态特征分析.

基于CBP的卷烟销售二重趋势时间序列预测模型研究与应用

二重趋势时间序列的预测结果与其整体趋势变动性和季节波动性的特征有较大的关系,在采用神经网络并针对其特征的基础上还没有较好的预测方法.本文以圆形反向传播网络(CBP)为基础,提出二重趋势时间序列预测组合模型(CCBP),即根据二重趋势时间序列特征对其趋势分量与周期分量采用圆形反向传播网络分开进行预测,再对二者积乘.以云南省某片区若干卷烟销售网点的采样数据为研究实例,证实了CCBP模型在二重趋势时间序列预测方面性能有所提高.

基于时间序列趋势图的我国粮食产量主要影响因素分析

依据改革开放以来我国粮食生产的历年样本数据,选取影响粮食总产量的播种面积、化肥施用量、有效灌溉面积、受灾面积、机械总动力、粮食生产成本指数、粮食生产价格指数、财政支农资金等8个主要因素,并将这些因素划分为物质投入、资源环境和政策因素3类,运用因子分析方法,对这些典型影响因子通过时间序列趋势图逐一进行多角度分析。结果发现,化肥施用量、粮食播种面积和旱灾面积成为影响粮食产量的关键因素。在此基础上,针对如何提高粮食综合生产能力提出相应的对策措施。

中国建筑能耗时间序列变化趋势及其影响因素

分析了我国建筑能耗时间序列变化趋势,运用LMDI分解方法对我国2001—2014年的建筑能耗进行因素分解,定量分析了这些因素对建筑能耗的影响程度和影响规律。结果表明:我国建筑能耗呈现持续增长趋势,但年均增速在"十一五"和"十二五"期间明显放缓,人口规模因素、城镇化因素、建筑面积因素、行为因素对其增长均具有显著的正向驱动作用,促使建筑能耗累计增长5.05亿t标准煤;建筑能效则对建筑能耗增长具有抑制作用,促使其增幅降低97%,共节约4.88亿t标准煤。

一种改进的时间序列分段趋势预测法

提出了一种基于累积和的趋势分段检测方法。并把该方法运用于心脏停搏病人的MEMS时间序列中的趋势变化检测。在该改进方法中,通过引入一个自适应参数能够自适应地把较小的碎片段连接生成一个较大、平缓的分段。实验证明自适应时间序列分段趋势法能够用于小样本的预测,有效地改善了基于残差的累计和法不能对小样本进行很好预测的缺点。该方法运用于心脏停搏病人的MEMS时间序列中的趋势变化的检测,结果表明:该方法在对心脏停搏病人的发病时刻的预测方面可能具有潜在的应用价值。

面板数据聚类分析的时间序列趋势外推预测方法

面板数据的聚类分析可以进行压缩的预处理也可以不进行压缩,文章提出可以根据样品中各个指标的时序数据的趋势特征来考虑是否应该进行压缩或如何进行压缩。然后考虑聚类的统计量的设置,再后给出系统聚类法的计算公式。

小波分析在建立季节性趋势时间序列预测模型中的应用研究

为探讨小波分析在建立季节性趋势时间序列预测模型中的作用,提高预测精度,研究选择Meyer小波作3层分解与重构,分离出时间序列中的趋势项、周期项和随机项并分别建模。与Box-Jenkins模型相比较,验证该方法是可行的。

时间序列趋势预测

随着时间序列应用日益增多,时间序列预测,尤其是在未来的趋势预测,获得越来越多的关注。实现趋势预测的挑战在于实时提取时间序列的趋势特征与合理的预测模型。现有时间序列特征提取方法均是离线分析,而时间序列的预测通常为单一数值序列的多步预测。针对此问题,设计一种在线分段方法并用向量自回归(VAR)模型预测时间序列的趋势,VAR充分考虑到序列分段的长度和斜率之间的动态联系,因此比常规单变量的回归预测算法更加合理、有效。在真实数据集上的实验验证该预测算法的有效性。

任务框架和序列趋势对趋势阻尼的影响

以往研究发现,下降序列的趋势阻尼大于上升序列,但该结论可能掺杂了任务框架这一额外变量。基于此实验1选取可控事件,实验2选取不可控事件作为背景,探讨了任务框架和序列趋势对趋势阻尼的影响。研究发现:不管在可控事件还是不可控事件中,序列趋势对趋势阻尼的影响都受到任务框架的调节,收益框架中下降序列的阻尼大于上升序列,损失框架中两者差异不显著。

时间序列相似模式的分层匹配

首先将时间序列经EMD分解成细节部分和趋势部分,对低频趋势部分的序列数据进行线性分段近似表示,完成对序列数据的压缩,并将其变换成一种0-1串的形式,以适应趋势序列的快速匹配;然后通过对趋势序列模式聚类,达到对序列的粗匹配;最后对粗匹配的序列进行距离计算,从而获取细匹配的模式·实验结果表明该算法是有效的·

时间序列的相似性的分层查询

提出了一种新的基于重要点的分段方法,将时间序列数据转换为趋势序列。在进行相似性比较时先进行趋势相似的比较,然后对结果进行欧氏距离的比较。实验结果表明该算法是有效的。

时间序列相似模式的有效匹配

将经验模式分解和多层前向网络的交叉覆盖算法相结合,提出一种时间序列相似模式的匹配算法.先利用经验模式分解实现时间序列趋势的提取,再把所有的趋势序列分成训练集和测试集2个部分.通过训练为每个类别做出描述,根据测试集中的每个趋势序列和覆盖中心之间的距离把它们分配到与之最匹配的类别中.实验结果表明:该算法是一种较理想的序列模式匹配方法,更擅长于维数较高的序列的匹配.

树轮δ^(13)C趋势地区差异的初步研究

比较了新疆昭苏地区、阿勒泰地区和青海祁连地区 3棵树树轮碳同位素组成的长期趋势 .研究发现 ,新疆昭苏和青海祁连序列有较为相似的趋势 ,而均与新疆阿勒泰序列有明显的不同 .分析表明 ,树轮δ13 C序列趋势之间的地区差异主要与树轮δ13 C的“林冠效应”有关 .说明在利用树轮碳同位素序列来重建大气 CO2 中的δ13 C变化历史时应选择森林郁闭度低或树冠伸出了整个林冠的树木样品 .

我国电力需求与GDP趋势分解比较研究

电力需求同经济发展一样,在长期的增长趋势下,必然随着经济增长的波动态势而呈现出周期性的需求波动。为准确分析电力与经济增长之间的关联关系,采用了计量经济学中的时间序列趋势分解方法,首先,对搜集到的电力需求与GDP增长率数据进行季度调整,采用基于EXCEL工具的时间序列趋势分解法,对我国电力消费与GDP增长率序列进行趋势成分与周期成分的分解,分别得到电力消费与GDP增长率的趋势序列和周期序列;然后从实际增长率序列、趋势成分和周期成分3个方面,对电力消费与GDP增长率的分解结果进行比较;最后得出了电力需求与GDP增长率原始数据序列存在正的相关关系,而它们的趋势成分和周期成分之间却呈现不同关系的结论,并提出据此建立短期电力预警系统的建议。

三峡左岸电站机组状态监测趋势分析系统及应用

讨论了基于浏览器/服务器(B/S)模式构建多层综合分析机制对电厂监测数据进行分析的数学原理和实现方案,根据分析结果可以提前发现发电机组或其他电力设备的异常状况,从而在很大程度上降低电厂事故发生的可能性和运营成本。重点讨论了在大型监测数据库基础上构建综合趋势分析平台的相关问题;同时,结合对油槽设备缓慢漏油、轴瓦损坏造成瓦温缓慢上升等隐患的预报,讨论了时间序列趋势分析模型的实现,以及对机组异常状态监测数据进行有效分析的可行方案。