【摘要】：時(shí)間序列分析指對(duì)一定時(shí)間段內(nèi)的時(shí)間序列數(shù)據(jù)的特征提取和建模,在宏觀經(jīng)濟(jì)學(xué)、天文學(xué)、海洋學(xué)、醫(yī)學(xué)等學(xué)科中有著廣泛地應(yīng)用。隨著大數(shù)據(jù)時(shí)代的到來(lái),隨著計(jì)算機(jī)技術(shù)在金融、醫(yī)療、藝術(shù)等各個(gè)領(lǐng)域的應(yīng)用,時(shí)間序列數(shù)據(jù)越來(lái)越頻繁地在工作與生活中產(chǎn)生,并且,相較早年的時(shí)間序列數(shù)據(jù),現(xiàn)在的時(shí)間序列數(shù)據(jù)具有數(shù)據(jù)量更大與數(shù)據(jù)更加復(fù)雜的特點(diǎn)。其中數(shù)據(jù)量地提升一方面給更復(fù)雜的模型的訓(xùn)練提供了條件,另一方面又對(duì)算法的效率提出了更高的要求;而數(shù)據(jù)復(fù)雜程度的提升則意味著傳統(tǒng)針對(duì)簡(jiǎn)單時(shí)間序列的模型可能不再適用,需要諸如深度神經(jīng)網(wǎng)絡(luò)的模型來(lái)處理復(fù)雜時(shí)間序列。除了數(shù)據(jù)量的提升和數(shù)據(jù)復(fù)雜程度的提升外,伴隨海量數(shù)據(jù)而來(lái)的數(shù)據(jù)缺失也是時(shí)間序列研究中所面臨的新問題,如何進(jìn)行劣質(zhì)復(fù)雜時(shí)間序列修復(fù)與如何使得復(fù)雜時(shí)間序列預(yù)測(cè)算法可以容忍數(shù)據(jù)缺失都成為了新的研究方向。秉承“從簡(jiǎn)單到復(fù)雜”的原則,針對(duì)數(shù)據(jù)缺失與算法效率問題,本文首先就時(shí)間序列提出了一種容忍數(shù)據(jù)缺失的任意時(shí)間時(shí)間序列預(yù)測(cè)算法,以高效地利用含缺失的劣質(zhì)時(shí)間序列訓(xùn)練模型,本文給出了其收斂性的理論界限,并且利用實(shí)驗(yàn)驗(yàn)證了算法的有效性。再而,在通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn)傳統(tǒng)方法的局限性后,本文利用條件隨機(jī)場(chǎng)與循環(huán)神經(jīng)網(wǎng)絡(luò),分別以基于Stacking的模型融合和深度學(xué)習(xí)兩種方式提出了復(fù)雜時(shí)間序列預(yù)測(cè)模型,以解決復(fù)雜時(shí)間序列的預(yù)測(cè)和修復(fù)問題。利用天氣數(shù)據(jù)、風(fēng)機(jī)組數(shù)據(jù)等生產(chǎn)生活中的真實(shí)復(fù)雜時(shí)間序列數(shù)據(jù),本文驗(yàn)證了算法的效果。最后,本文將研究目光集中在利用生成對(duì)抗網(wǎng)絡(luò)解決復(fù)雜時(shí)間序列問題,在研究生成對(duì)抗網(wǎng)絡(luò)的前沿進(jìn)展后,本文提出了一種復(fù)雜時(shí)間序列修復(fù)模型,直接利用缺失數(shù)據(jù)生成完整數(shù)據(jù),并嘗試?yán)蒙蓪?duì)抗網(wǎng)絡(luò)的訓(xùn)練模式對(duì)其進(jìn)行訓(xùn)練,在真實(shí)工業(yè)數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明,該模型相較于基于預(yù)測(cè)的修復(fù)模型,不僅更加實(shí)用,在效果上也有顯著提升。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP181;O211.61
【圖文】：

圖 1-1 部分鍋爐組測(cè)量數(shù)據(jù)2 復(fù)雜時(shí)間序列分析的意義針對(duì)復(fù)雜時(shí)間序列的數(shù)據(jù)分析與挖掘是非常有意義的工作，首先，我時(shí)間序列數(shù)據(jù)進(jìn)行分類，例如，利用對(duì)工業(yè)系統(tǒng)中的復(fù)雜時(shí)間序列的挖可以自動(dòng)判斷系統(tǒng)是否正常工作，利用對(duì)音頻、視頻這樣復(fù)雜時(shí)間序我們可以進(jìn)行自動(dòng)監(jiān)控；再而，我們可以對(duì)時(shí)間序列數(shù)據(jù)做出預(yù)測(cè)，測(cè)在股票，期貨這樣的時(shí)間序列上能產(chǎn)生巨大的收益。3 復(fù)雜時(shí)間序列修復(fù)的意義修復(fù)含有異常值與數(shù)據(jù)缺失的復(fù)雜時(shí)間序列數(shù)據(jù)同樣是十分有意義的，一些時(shí)間序列挖掘方法對(duì)數(shù)據(jù)缺失和異常值的容忍能力是比較低的數(shù)據(jù)造成這些方法效果不佳，可是直接丟棄劣質(zhì)的時(shí)間序列數(shù)據(jù)又可用以分析的數(shù)據(jù)的不足；再而，對(duì)諸如音頻，視頻這樣的復(fù)雜時(shí)間序可以起到降低帶寬，降低存儲(chǔ)空間的效果，產(chǎn)生巨大的經(jīng)濟(jì)價(jià)值。

有效率得深度學(xué)習(xí)也是一大問題。針對(duì)上述問題與 1.2.3 中所總結(jié)的問題，本文進(jìn)行了相關(guān)地研究，1.4 小節(jié)中，將概括地介紹這些工作。1.4 本文的主要研究?jī)?nèi)容本文主要包括三個(gè)部分的研究?jī)?nèi)容，其中各個(gè)部分的研究?jī)?nèi)容都有逐步遞進(jìn)的關(guān)系，首先針對(duì)簡(jiǎn)單時(shí)間序列的研究使得我們認(rèn)識(shí)到使用預(yù)測(cè)值填補(bǔ)仍然是行之有效的容忍數(shù)據(jù)缺失策略、傳統(tǒng)方法在處理復(fù)雜時(shí)間序列問題時(shí)的不足以及數(shù)據(jù)修復(fù)的必要性�；诖�，我們利用循環(huán)神經(jīng)網(wǎng)絡(luò)挖掘時(shí)序特性，利用條件隨機(jī)場(chǎng)刻畫維度間的特征，提出了基于預(yù)測(cè)值填補(bǔ)的復(fù)雜時(shí)間序列預(yù)測(cè)與修復(fù)算法。在此之后，考慮到基于預(yù)測(cè)的數(shù)據(jù)修復(fù)算法往往需要一部分完整數(shù)據(jù)，這與實(shí)際應(yīng)用場(chǎng)景不符，并且利用預(yù)測(cè)模型時(shí)當(dāng)前時(shí)刻待修復(fù)的不完整數(shù)據(jù)無(wú)法被應(yīng)用，我們便將研究目光轉(zhuǎn)移到如何直接利用含缺失值的劣質(zhì)數(shù)據(jù)生成完整數(shù)據(jù)，提出了復(fù)雜時(shí)間序列修復(fù)算法。綜上，本文的研究脈絡(luò)如圖 1-2 所示。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫其法;閆秋艷;閆欣鳴;;基于多樣化top-k shapelets轉(zhuǎn)換的時(shí)間序列分類方法[J];計(jì)算機(jī)應(yīng)用;2017年02期

2 王金策;楊寧;;時(shí)間序列趨勢(shì)預(yù)測(cè)[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2017年02期

3 彭佳星;肖基毅;;基于分型轉(zhuǎn)折點(diǎn)的證券時(shí)間序列分段表示法[J];商;2016年31期

4 劉偉龍;;基于ARMA模型的股價(jià)預(yù)測(cè)及實(shí)證研究[J];智富時(shí)代;2017年02期

5 周仰;;《漫長(zhǎng)的告別》(年度資助攝影圖書)[J];中國(guó)攝影;2017年04期

6 王嵬;;王嵬作品[J];當(dāng)代油畫;2017年07期

7 劉明華;張晉昕;;時(shí)間序列的異常點(diǎn)診斷方法[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2011年04期

8 郭崇慧;蘇木亞;;基于獨(dú)立成分分析的時(shí)間序列譜聚類方法[J];系統(tǒng)工程理論與實(shí)踐;2011年10期

9 王佳林;王斌;楊曉春;;面向不確定時(shí)間序列的分類方法[J];計(jì)算機(jī)研究與發(fā)展;2011年S3期

10 萬(wàn)里;廖建新;朱曉民;倪萍;;一種基于頻繁模式的時(shí)間序列分類框架[J];電子與信息學(xué)報(bào);2010年02期

相關(guān)會(huì)議論文 前10條

1 周家斌;張海福;楊桂英;;多維多步時(shí)間序列預(yù)報(bào)方法及其應(yīng)用[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第九屆學(xué)術(shù)年會(huì)論文集[C];1999年

2 張可;李媛;柴毅;黃磊;;基于分段趨勢(shì)的符號(hào)化時(shí)間序列聚類表示[A];第37屆中國(guó)控制會(huì)議論文集（D）[C];2018年

3 徐光晶;;統(tǒng)計(jì)學(xué)在大地電磁測(cè)深時(shí)間序列處理中的應(yīng)用[A];2017中國(guó)地球科學(xué)聯(lián)合學(xué)術(shù)年會(huì)論文集（二十九）——專題57：電磁地球物理學(xué)研究及其應(yīng)用[C];2017年

4 毛宇清;王詠青;王革麗;;支持向量機(jī)方法應(yīng)用于理想時(shí)間序列的預(yù)測(cè)研究[A];中國(guó)氣象學(xué)會(huì)2008年年會(huì)氣候預(yù)測(cè)研究與預(yù)測(cè)方法分會(huì)場(chǎng)論文集[C];2008年

5 吳堅(jiān)忠;路子愚;鄭應(yīng)平;;時(shí)間序列社會(huì)悖論模型及分析[A];1989年控制理論及其應(yīng)用年會(huì)論文集（上）[C];1989年

6 雷敏;孟光;謝洪波;Kerreie Mengersen;Peter Bartlett;;嵌入維數(shù)對(duì)復(fù)雜時(shí)間序列的熵分析的影響研究[A];中國(guó)力學(xué)大會(huì)-2015論文摘要集[C];2015年

7 王兆甲;王海良;;一種相似時(shí)間序列挖掘算法及其在汽車運(yùn)動(dòng)分析中的應(yīng)用[A];2014中國(guó)汽車工程學(xué)會(huì)年會(huì)論文集[C];2014年

8 林忠輝;莫興國(guó);薛玲;;用NDVI時(shí)間序列確定作物物侯和作物類型判別[A];第十四屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2003年

9 王冬;章家義;陳宗;;配電網(wǎng)時(shí)間序列數(shù)據(jù)的云計(jì)算集群快速壓縮模型[A];2017年江西省電機(jī)工程學(xué)會(huì)年會(huì)論文集[C];2018年

10 徐俊武;盧現(xiàn)祥;;公共支出、政府治理、部門效應(yīng)與共享式增長(zhǎng)——基于中國(guó)時(shí)間序列數(shù)據(jù)的分析[A];第十一屆中國(guó)制度經(jīng)濟(jì)學(xué)年會(huì)論文匯編（上）[C];2011年

相關(guān)重要報(bào)紙文章 前10條

1 王曉寶 楊永恒 永安期貨;淺析波動(dòng)率的均值回復(fù)特征[N];期貨日?qǐng)?bào);2017年

2 東證期貨 王愛華　楊衛(wèi)東;兩年漲跌輪回 秋季普遍下跌[N];期貨日?qǐng)?bào);2009年

3 國(guó)家統(tǒng)計(jì)局核算司 呂峰;不變價(jià)GDP時(shí)間序列數(shù)據(jù)的構(gòu)造[N];中國(guó)信息報(bào);2016年

4 ;《時(shí)間序列與金融數(shù)據(jù)分析》[N];中國(guó)信息報(bào);2004年

5 何德旭 王朝陽(yáng);時(shí)間序列計(jì)量經(jīng)濟(jì)學(xué)：協(xié)整與有條件的異方差自回歸[N];中國(guó)社會(huì)科學(xué)院院報(bào);2003年

6 劉俏;讓數(shù)據(jù)坦白真相[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2003年

7 卞紀(jì);我國(guó)多時(shí)間序列濕地遙感制圖完成[N];中國(guó)氣象報(bào);2011年

8 權(quán)證一級(jí)交易商 國(guó)信證券;正股走勢(shì)及時(shí)間序列主導(dǎo)下半年權(quán)證市場(chǎng)運(yùn)行結(jié)構(gòu)[N];證券時(shí)報(bào);2006年

9 廣發(fā)期貨股指研究小組 謝貞聯(lián);Hurst指數(shù)提示市場(chǎng)升勢(shì)或?qū)⑿纬蒣N];上海證券報(bào);2012年

10 丁睿 中糧期貨研究院;試論指數(shù)HP濾波分析法的應(yīng)用[N];期貨日?qǐng)?bào);2014年

相關(guān)博士學(xué)位論文 前10條

1 丁超;MODIS時(shí)間序列重建方法與應(yīng)用[D];中國(guó)地質(zhì)大學(xué)(北京);2018年

2 魏永強(qiáng);煤礦瓦斯監(jiān)測(cè)數(shù)據(jù)插值與預(yù)測(cè)研究[D];中國(guó)礦業(yè)大學(xué)(北京);2015年

3 楊玉軍;基于機(jī)器學(xué)習(xí)的時(shí)間序列模型研究及其應(yīng)用[D];電子科技大學(xué);2018年

4 魯韻帆;隨機(jī)交互金融模型的構(gòu)建及金融時(shí)間序列的統(tǒng)計(jì)分析[D];北京交通大學(xué);2018年

5 郭珩;復(fù)雜網(wǎng)絡(luò)在非線性時(shí)間序列分析中的應(yīng)用[D];華東師范大學(xué);2018年

6 宋偉;面向時(shí)間序列分類任務(wù)的SAX方法研究[D];鄭州大學(xué);2018年

7 潘玉青;基于NDVI時(shí)間序列的黃河中下游典型史前都邑性遺址的作物物候觀察[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所);2017年

8 郝鵬宇;基于多時(shí)相遙感數(shù)據(jù)的農(nóng)作物分類研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所);2017年

9 喬海浪;基于NDVI時(shí)間序列重構(gòu)的經(jīng)濟(jì)型人工林時(shí)空分布信息提取研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所);2017年

10 王妮妮;基于智能計(jì)算技術(shù)的時(shí)間序列分割及預(yù)測(cè)研究[D];大連理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 韓新玉;網(wǎng)絡(luò)結(jié)構(gòu)特征與時(shí)間序列相互表征應(yīng)用[D];哈爾濱工業(yè)大學(xué);2017年

2 侯曉偉;高精度GPS用于地殼形變研究分析[D];長(zhǎng)安大學(xué);2018年

3 張旭東;基于最小哈希方法的多元時(shí)間序列近似關(guān)聯(lián)規(guī)則挖掘[D];哈爾濱工業(yè)大學(xué);2017年

4 鄭毅;時(shí)間序列數(shù)據(jù)的膠囊式LSTM特征提取算法研究[D];華中師范大學(xué);2018年

5 江粉桃;非線性方法的時(shí)間序列組合模型在農(nóng)產(chǎn)品價(jià)格預(yù)測(cè)中的應(yīng)用研究[D];蘭州交通大學(xué);2018年

6 孟凡山;基于隨機(jī)特征采樣的時(shí)間序列分類算法的研究與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2018年

7 魏延杰;基于深度學(xué)習(xí)的復(fù)雜時(shí)間序列分析[D];哈爾濱工業(yè)大學(xué);2018年

8 余任;基于模糊時(shí)間序列及灰色理論的金融時(shí)間序列預(yù)測(cè)研究[D];昆明理工大學(xué);2018年

9 禹雷;基于多級(jí)聯(lián)合策略的多平臺(tái)MT-InSAR形變時(shí)間序列聯(lián)合分析[D];華東師范大學(xué);2018年

10 尹薇;時(shí)間序列清洗關(guān)鍵技術(shù)的研究[D];哈爾濱工業(yè)大學(xué);2018年

本文編號(hào)：2714205