時間序列是按照時間順序采集到的某觀測變量的數(shù)據(jù)集合,廣泛地存在于金融、電力負荷和過程控制等領域中。時間序列在流數(shù)據(jù)環(huán)境下呈現(xiàn)出海量無限、單遍掃描、實時到達和伴有噪聲的特點。通過實時建模的方式挖掘出時間序列流數(shù)據(jù)的運行規(guī)律,并在建模預測的基礎上分析出隱藏于數(shù)據(jù)中的異常模式,可以對實際的生產、生活產生更加積極的影響。針對現(xiàn)有大多數(shù)靜態(tài)、離線的時間序列建模預測算法不能在流數(shù)據(jù)環(huán)境下進行實時分析的問題,本文就時間序列流數(shù)據(jù)的建模預測中如何選擇訓練樣本,滿足實時性要求的同時提高模型的預測準確性等問題,設計了一種基于GEP算法,并加入雙重滑動窗口、群體爬山算法和數(shù)據(jù)融合方法來實現(xiàn)對時間序列流數(shù)據(jù)進行實時建模預測的算法。以4組加入不同程度高斯噪聲的數(shù)據(jù)集作為測試數(shù)據(jù)集,將本文算法和HTM算法在同等數(shù)據(jù)傳輸間隔的實時性要求下對測試數(shù)據(jù)集的預測結果進行實驗對比。用平均相對百分比誤差(MAPE)值作為評判算法預測準確性的指標。實驗結果顯示本文算法在4組數(shù)據(jù)集上的整體MAPE值均低于HTM算法,表明了本文算法比HTM算法擁有更高的預測準確性。鑒于現(xiàn)有的大多數(shù)時間序列異常檢測算法用于批量處理數(shù)據(jù),不能直接應用... 

【文章來源】：西安理工大學陜西省

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

某患者心電圖數(shù)據(jù)[16]

隨機生成，尾部是由終結集中的字符隨機生成，頭部長度由所求解的問題根據(jù)經驗而定，而尾部的長度則由式（2-1）決定，設頭部長度為，尾部長度為，則=(1)+1（2-1）其中代表符號集的符號所需的最大參數(shù)個數(shù)，即=2。如果給定頭部長度=7,則此基因的尾部長度=7(21)+1=8,則此基因個體的總長度為15，有以下基因編碼：+2122212（2-2）其中S代表函數(shù)符號，此基因個體的有效部分長度為6，其前六位所對應的表達式為=2sin(x)+x,其余部分為根據(jù)編碼規(guī)則隨機填充的冗余部分，這部分不體現(xiàn)在基因的表達中。此基因個體對應的表達式樹如圖2-2：圖2-2此基因個體對應的表達式樹Fig.2-2Theexpressiontreecorrespondingtothisgeneindividual

第3章時間序列流數(shù)據(jù)的建模預測和異常檢測方法21的數(shù)據(jù)能反映流數(shù)據(jù)當前的最新規(guī)律。={1,2,3…}（3-1）式（3-1）中，為一個時間序列流，為時刻收集到的數(shù)據(jù)點，是一個維向量，∈，當=1,此為單變量時間序列流。設此滑動窗口的寬度為，則此滑動窗口在時間序列流上劃分樣本數(shù)據(jù)的方式如圖3-1所示。圖3-1滑動窗口示意圖Fig.3-1Schematicdiagramofslidingwindow圖3-1中，虛線框內的數(shù)據(jù)為1時刻滑動窗口中的從到1的個數(shù)據(jù)，實線框內的數(shù)據(jù)為當前時刻滑動窗口包含的從+1到的個數(shù)據(jù)。當前在對時間序列流數(shù)據(jù)的分析中，通用的實時處理時間序列流數(shù)據(jù)的方法主要都是基于最新的時間窗口內數(shù)據(jù)構建一個模型，然后對這個模型進行實時更新�；瑒哟翱诘膶挾仁撬惴ㄖ惺潜容^重要的參數(shù)，一般情況下，的值在算法運行過程中為預先設置的值并保持固定不變。我們也可以通過一些先驗知識估計值，但上述方法過于含糊，而且在很多場景中，我們并不可能預先知道流數(shù)據(jù)的分布變化規(guī)律，并以此為作為根據(jù)來設置最優(yōu)的值。流數(shù)據(jù)的分布動態(tài)變化的特性使得最優(yōu)值也變得不固定。因此在具體應用中，我們應設置的動態(tài)值。文獻[65,66]分別在滑動窗口的基礎上提出了不同的改進辦法，并且提高了對流數(shù)據(jù)處理的效率，但是這些改進方法都嚴重地占用了終端算法過多的時空資源，從而限制了算法的應用和發(fā)展。文獻[67]設計了一種用兩個固定的滑動時間窗口分別對窗口中的數(shù)據(jù)進行更新和處理的嵌套滑動窗口模型，由于這兩個窗口的相對位置和寬度不能隨著數(shù)據(jù)處理的需要發(fā)生改變，使得其喪失了靈活性。鑒于這種情況，文獻[68]基于歷史數(shù)據(jù)先選擇一個介于比較小的值和一個比較大的值之間的中間值值。再基于在線學習方式，對流數(shù)據(jù)的分布進行在線學習，以


本文編號：2911100