时间序列数据挖掘方法研究

《时间序列数据挖掘方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、上海交通大学硕士学位论文时间序列数据挖掘方法研究姓名：袁张伟申请学位级别：硕士专业：控制理论与控制工程指导教师：杜秀华20050101时间序列数据挖掘方法研究摘要随着计算机网络和通讯等信息技术和数据贮存技术的迅速发展人们获取和存贮的数据急剧增长出现了数据泛滥知识贫乏的现象传统的数据库技术和数据查询方法由于不能有效地组织和处理这些海量数据已不能满足人们对隐含在数据中的知识的渴求数据挖掘技术应运而生并得到了迅速发展数据挖掘是数据库人工智能模式识别和统计分析等学科相互交叉结合的前沿性研究领域它的出现为人们有效地从海量数据中得到有用的信息和知识提供了有力的手段目前计算机上存储了越来越

2、多的时序数据信息作为数据的重要存储和表现形式时间序列数据广泛地存在于各个领域中例如证券公司的大量股票信息商场的POS系统大量的销售信息人造卫星观测的气象信息和科学仪器所检测到的大量生物地矿等信息时间序列数据挖掘是数据挖掘中的一个重要研究领域近年来越来越引起人们的重视时间序列数据挖掘帮助人们获得时序数据中隐含的有价值的知识和信息例如电力系统负荷时间序列数据中就包含着关于电力负荷特征的丰富信息股票时间序列中包含着有关股票规律的潜在信息因此从时间序列数据中挖掘潜在的有用的知识有重要的理论和实践意义本文比较深入地研究了时间序列数据挖掘问题对其挖掘方法进行了整理和归纳在介绍目前时间序列

3、数据挖掘领域比较经典一些思想和方法的基础上在时间序列的相似性规则性趋势性和离群性数据挖掘等方面提出了一些新的思路和方法本文的主要研究内容如下1时序数据相似性挖掘是数据挖掘的重要研究内容本文针对时序数据的相似性挖掘首先介绍了相似性以及欧几里德距离空间的基本概念和目前使用较为广泛的利用离散傅立叶变换进行时序数据相似性数据挖掘的基本方法然后提出了一种基于标准面积差的时序数据相似性分析算法这种方法能够在始终保持全局概念的基础上对数据进行一种渐进式的由粗到细的辨识用尽量小的计算量识别出与样本不同的模式以达到快速识别相似时序数据的效果此外本方法对数据相似性分析的幅度偏移和比例缩放问题具有

4、较好的鲁棒性2针对时序数据的规则挖掘介绍了基于聚类的时序数据规则挖掘的方法然后介绍了时序数据的周期性规则挖掘方法最后提出了一种研究时序数据基于时间采样点的总体规则挖掘思想和方法它是宏观上发现规则的有效方法3深入地研究了时序数据的趋势挖掘针对工业企业的短期负荷预测介绍两种时序数据趋势性挖掘方法第一部分介绍了一种改进的基于ARMA模型的时序数据趋势性挖掘方法第二部分介绍了基于BP人工神经网络的时序数据趋势性挖掘方法在本章中还重点阐述了基于误差修正以提高预测精度的思想和方法4离群时序数据挖掘是从大量的时序数据中挖掘明显偏离其它数据不满足数据一般行为或模式与存在的其他数据不一致的数据

5、本章对时序数据的离群挖掘进行了深入的研究提出了一种基于动态分层主成分分离思想的离群数据挖掘算法它可以通过分层的方式渐进地将时序数据中的主成分分离出去最后得到序列中的离群数据并且不但可以通过离群数据与主成分重心的欧几里德距离大小反映数据偏离程度还能够通过离群数据与各层次主成分的关系来反映数据离群的程度扩展了数据离群的概念同时分层主成分分离的方法也能够为数据挖掘的其它方面诸如数据预处理提供新的处理途径关键字数据挖掘时间序列数据相似性挖掘规则性挖掘趋势性挖掘离群性挖掘RESEARCHONTHEMETHODOFTIMESERIESDATAMININGAbstractWiththera

6、piddevelopmentofcomputertechnologies,network,communicationanddatastoragetechnique,thedatathatweacquireandstoreareincreasedquickly.Itappearsthescenethatthemoredata,thelessknowledge.Therapidgrowthdemandformanaginggrowingmountainsofdata,extractingandunderstandingusefulknowledgefromthesedataout

7、pacesthetraditionaldatabaseanddataanalysismethods,whichleadstotheemergingfieldofdatamining.Dataminingistheforesightedresearchfieldoftheintegrationofthefieldsofdatabase,artificialintelligence,patternrecognitionandstatistics.Itprovidesusapowerfultooltoacqu