资源描述：
《时间序列数据流的自适应预测》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第33卷第2期自动化学报Vol.33,No.22007年2月ACTAAUTOMATICASINICAFebruary,2007时间序列数据流的自适应预测王永利1;2;3周景华4徐宏炳1董逸生1刘学军1摘要提出一种自适应预测方法AFStreams,综合了复杂人工智能预测方法和时间序列预测方法的优点,可以根据数据流值变化的快慢程度自适应地确定预测步长,在计算资源受限的前提下,形成最佳预测点轨迹.仿真实验证明,AFStreams能够良好地适应数据的变化,在计算复杂度和预测精度之间平衡,显著地提高了平均预测精度.关键词时间序列,数据流,
2、预测,插值小波,Kalman滤波中图分类号TP274+.2;TP311.13AnAdaptiveForecastingMethodforTime-SeriesDataStreamsWANGYong-Li1;2;3ZHOUJing-Hua4XUHong-Bing1DONGYi-Sheng1LIUXue-Jun1AbstractAnadaptiveforecastingmethodthatcombinesthemeritsoftheprecisionofarti¯cialintelligenceforecast-ingmethoda
3、ndtherapidnessoftimes-seriesforecastingmethod,calledAFStreams,isproposed.Itcanestimatetheforecasting-stepselfadaptivelyfromthechangeratioofstream-valuesandcangenerateprovedoptimaltrackofforecast-ingpointswiththeminimumcomputationcostfromlimitedresources.Experimentspr
4、ovedthatAFStreamscanadapttothechangesofdatawellandprovidetradeo®betweencomputingcomplexityandforecastingprecision.KeywordsTime-series,datastreams,forecasting,interpolatingwavelet,Kalman¯ltering1引言就成为数据流预测研究中的关键问题.已经提出的预测方法[2;5;7;8]大都没有和精确的数据流技术[1]近年来得到了越来越多的关注,[2][3;
5、4]稳定性成分预测算法相结合,预测的精度有待进一主要的研究方向包括资源受限计算,模式发现,[5]步提高,而且它们侧重点只是研究如何提高预测精数据流挖掘等.目前数据流研究领域中已有的趋[2»4]度,忽略了在计算资源受限的条件下,预测计算代价势分析理论和方法一般关注于相似性或模式差与预测精度的平衡问题.异的预测,有关数据流值本身预测的文献较少.[1]本文提出一种自适应预测精度与计算复杂度由于数据流可以视为时间序列,来自于控制[2]的数据流值预测方法{AFStreams(Adaptivefore-理论的一些思想越来越多地被引入到近似计
6、算和[5]castingmethodforstream-values),其基本思想是：数据流挖掘研究领域.多数应用产生的离散数据[6]利用相对精确的稳定成分预测方法得出的长间隔预流s[t]的数学模型可以简化为：s[t]=a[t]+w[t]，测信息,在实际测量值与最近一个长间隔预测值之其中a[t]表示稳定性成分,w[t]表示随机噪声.a[t]间,根据数据流值的变化情况,以短的间隔插值,同的变化相对有规律,只受少量相关因素影响,因而可时不断修正实际测量值与长间隔预测值和实际测量以精确预测,但预测周期一般较长.时间序列领域已值与短间隔
7、预测插值的误差,自适应地平衡预测精经取得了许多有关预测的研究成果,基本上可以提度和计算复杂度.供a[t]的精确预测.然而由于随机成分w[t]通常容易受到各种随机因素的影响,怎样精确地预测w[t]2模型概述收稿日期2005-5-5收修改稿日期2006-6-29ReceivedMay5,2005;inrevisedformJune29,2006本文中,术语流值"表示单数据流中数据项的江苏省研究生创新计划项目(xm04-36)资助单个属性值;术语步长"表示流的预测值到当前观SupportedbyGraduateCreativePr
8、ogramFoundationofJiangsu(xm04-36)测值之间的时间间隔;术语尺度"表示小波插值的1.东南大学计算机科学与工程学院南京2100962.佳木斯大学公分辩率.为实现对数据流上两种成分的连续预测,引共计算机教研部佳木斯1540073.南京
