發(fā)布時間：2017-05-15 23:02

  本文關(guān)鍵詞：時間序列的模式檢測，由筆耕文化傳播整理發(fā)布。

【摘要】：時間序列是按時間順序采集的一系列觀測值。它具有高維性和動態(tài)性,是數(shù)據(jù)挖掘領(lǐng)域最具挑戰(zhàn)性的十大研究方向之一。模式表示和相似度度量是時間序列的兩個重點研究方向,并且經(jīng)常被放在一起研究。前者有助于降低時間序列的維度,消除時間序列中的噪音,以及保留時間序列的基本特性。后者是模式匹配的基礎(chǔ),有助于對時間序列進行挖掘。在本文中,我們在時間域和空間域,對時間序列進行了研究,并基于時間序列的規(guī)模(時間尺度),提出了兩種時間序列表示方法：預(yù)定義模式檢測方法和基線檢測方法。預(yù)定義模式檢測方法能夠從時間序列中高效地檢測出和預(yù)定義模式相匹配的實例,即使實例存在時間上彎曲或振幅上的形變。該方法借助模版(預(yù)定義模式)和地標(biāo)(重要點)對時間序列進行壓縮表示,并結(jié)合地標(biāo)約束和可信區(qū)間來模擬和檢測時間序列中的實例。.該方法還引入了最小描述長度,對時間序列進行預(yù)處理。最小描述長度不但有助于保留時間序列中的有用信息,而且還可以防止過度擬合�；�可以被看作時間序列的一個大規(guī)模的組成成分。獲取和校正基線有助于我們更好地理解和關(guān)注時間序列的趨勢和模式。基于概率密度分布,我們提出了一種新的基線檢測方法,最多穿越法。該方法是一種分段線性方法。和其他分段線性方法不同的是：該方法借助概率密度分布的差異來對時間序列中的點進行區(qū)別對待。即使在信噪比較高的環(huán)境中,該方法依然能夠保持優(yōu)越的性能。在預(yù)定義模式和基線檢測方法中,都會涉及到參數(shù)的選擇,如滑動窗口的大小、異常斜率的閾值、平滑度和相似度的閾值等。在設(shè)定這些參數(shù)時,我們結(jié)合了最小描述長度和概率密度分布的原理,讓這些方法能夠自動根據(jù)具體的時間序列來設(shè)定,從而避免了因人為設(shè)定而造成的誤差。本論文研究的實體是實時的時間序列,來自于安裝在高速橋梁上的一個傳感器網(wǎng)絡(luò)。該傳感器網(wǎng)絡(luò)由三種不同類型的傳感器組成,采集的數(shù)據(jù)也具有不同的表現(xiàn)形式。我們根據(jù)傳感器的屬性,在不同規(guī)模上對它們的時間序列進行變換和模擬,從而來探測不同類傳感器間的依賴關(guān)系(相關(guān)性)。最后,我們結(jié)合傳感器的其他物理屬性,如位置和安裝方式,對獲得的依賴關(guān)系進行二次學(xué)習(xí),得出了一些有用的規(guī)則。這些規(guī)則息有助于今后高效、低成本地設(shè)計結(jié)構(gòu)健康監(jiān)測傳感器系統(tǒng)。
【關(guān)鍵詞】：時間序列 模式表示、相似度度量 基線 預(yù)定義模式 最小描述長度 概率密度函數(shù)
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP311.13
【目錄】：

• 中文摘要3-5
• Abstract5-11
• 第1章 緒論11-16
• 1.1 研究背景11
• 1.2 研究目的和范圍11-12
• 1.3 相關(guān)文獻綜述12-13
• 1.4 主要工作和貢獻13-14
• 1.5 論文結(jié)構(gòu)14-16
• 第2章 相關(guān)理論、方法和預(yù)備知識16-23
• 2.1 傅立葉變換16-18
• 2.2 卷積18-20
• 2.3 相似度度量20-23
• 第3章 預(yù)定義模式的檢測23-43
• 3.1 背景介紹23-24
• 3.2 定義和概念24-27
• 3.2.1 地標(biāo)提取25-26
• 3.2.2 預(yù)定義模式檢測26-27
• 3.3 地標(biāo)約束27-28
• 3.4 平滑度的選擇28-31
• 3.4.1 最小描述長度28-30
• 3.4.1.1 模型編碼29-30
• 3.4.1.2 剩余數(shù)據(jù)編碼30
• 3.4.2. 平滑度的選擇30-31
• 3.5 實例模型31-35
• 3.5.1 可信區(qū)間32-35
• 3.5.2 模型評估35
• 3.5.3 復(fù)雜度分析35
• 3.6 實驗驗證35-41
• 3.6.1 交通數(shù)據(jù)36-39
• 3.6.2 ECG時間序列39-41
• 3.7 相關(guān)文獻41-42
• 3.8 本章小結(jié)42-43
• 第4章 基線檢測43-56
• 4.1 背景介紹43-45
• 4.2 最多穿越法45-50
• 4.2.1 基線識別45-47
• 4.2.2 基線建模47
• 4.2.3 基線更正47-49
• 4.2.4 基線消除49-50
• 4.3 實驗評估50-54
• 4.3.1 小規(guī)模數(shù)據(jù)基線51-52
• 4.3.2 大規(guī)模數(shù)據(jù)基線52-54
• 4.4 本章小結(jié)54-56
• 第5章 時間序列的依賴分析56-69
• 5.1 研究背景56-57
• 5.2 傳感器網(wǎng)絡(luò)概述57-60
• 5.2.1 傳感器網(wǎng)絡(luò)的布局和構(gòu)成57-58
• 5.2.2 各種傳感器的側(cè)重點58-60
• 5.2.2.1 短時間側(cè)重點58-60
• 5.2.2.2 長時間側(cè)重點60
• 5.3 應(yīng)變和溫度時間序列的依賴分析60-63
• 5.4 應(yīng)變和振動時間序列的依賴分析63-66
• 5.5 傳感器屬性分析66-68
• 5.6 本章小結(jié)68-69
• 第6章 總結(jié)69-72
• 6.1 本文的工作總結(jié)69-70
• 6.2 討論70
• 6.3 下一步工作展望70-72
• 參考文獻72-80
• 在學(xué)期間的研究成果80-82
• 致謝82

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 左愛文;郭宏武;王保保;;氣象時間序列規(guī)則發(fā)現(xiàn)及其應(yīng)用[J];陜西氣象;2006年06期

2 劉猛洪;汪愛麗;;基于模糊時間序列的短期電力負荷預(yù)測[J];電子世界;2013年07期

3 K.D.C.Stoodley,盧潤德;非連續(xù)含有準(zhǔn)周期分量時間序列的實時監(jiān)測(英文)[J];控制理論與應(yīng)用;1986年01期

4 吳紅花;劉國華;;不確定時間序列的規(guī)約方法[J];計算機工程;2012年21期

5 W.Gersch;黃勁濤;;混合自回歸動平均時間序列的自回歸參數(shù)估計[J];水聲譯叢;1980年03期

6 王立柱;劉曉東;;Granger相關(guān)性與時間序列預(yù)測[J];控制與決策;2014年04期

7 周巧臨;傅彥;;科學(xué)數(shù)據(jù)時間序列的預(yù)測方法[J];電子科技大學(xué)學(xué)報;2007年06期

8 王閱;高學(xué)東;;基于重標(biāo)級差分析的時間序列分割方法[J];計算機工程與應(yīng)用;2008年29期

9 修春波;;時間序列一步預(yù)測方法[J];計算機應(yīng)用研究;2010年04期

10 馮凱文;孟凡榮;牛強;閆秋艷;;基于趨勢點狀態(tài)模型的時間序列預(yù)測算法[J];計算機應(yīng)用研究;2011年12期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 周家斌;張海福;楊桂英;;多維多步時間序列預(yù)報方法及其應(yīng)用[A];中國現(xiàn)場統(tǒng)計研究會第九屆學(xué)術(shù)年會論文集[C];1999年

2 馬培蓓;紀(jì)軍;;基于時間序列的航空備件消耗預(yù)測[A];中國系統(tǒng)工程學(xué)會決策科學(xué)專業(yè)委員會第六屆學(xué)術(shù)年會論文集[C];2005年

3 盧世坤;李夕海;牛超;陳蛟;;時間序列的非線性非平穩(wěn)特性研究綜述[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

4 李強;;基于線性模型方法對時間序列中異常值的檢測及證券實證分析[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機遇、責(zé)任和對策（上冊）[C];2002年

5 戴麗金;何振峰;;基于云模型的時間序列相似性度量方法[A];第八屆中國不確定系統(tǒng)年會論文集[C];2010年

6 謝美萍;趙希人;莊秀龍;;多維非線性時間序列的投影尋蹤學(xué)習(xí)逼近[A];'99系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];1999年

7 張大斌;李紅燕;劉肖;張文生;;非線性時問序列的小波-模糊神經(jīng)網(wǎng)絡(luò)集成預(yù)測方法[A];第十五屆中國管理科學(xué)學(xué)術(shù)年會論文集（下）[C];2013年

8 黃云貴;;基于時間序列的電網(wǎng)固定資產(chǎn)投資規(guī)模研究[A];2012年云南電力技術(shù)論壇論文集（文摘部分）[C];2012年

9 李松臣;張世英;;時間序列高階矩持續(xù)和協(xié)同持續(xù)性研究[A];21世紀(jì)數(shù)量經(jīng)濟學(xué)（第8卷）[C];2007年

10 陳赫;羅聲求;;歷史橫斷面數(shù)據(jù)的時間序列化[A];科學(xué)決策與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第六次年會論文集[C];1990年

中國重要報紙全文數(shù)據(jù)庫 前6條

1 ;《時間序列與金融數(shù)據(jù)分析》[N];中國信息報;2004年

2 何德旭 王朝陽;時間序列計量經(jīng)濟學(xué)：協(xié)整與有條件的異方差自回歸[N];中國社會科學(xué)院院報;2003年

3 劉俏;讓數(shù)據(jù)坦白真相[N];21世紀(jì)經(jīng)濟報道;2003年

4 西南證券高級研究員 董先安邋德圣基金研究中心 郭奔宇;預(yù)計6月CPI同比上漲7.2%[N];證券時報;2008年

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

6 任勇邋鄭重;中國對世界鋼材價格的影響實證分析[N];現(xiàn)代物流報;2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張墨謙;遙感時間序列數(shù)據(jù)的特征挖掘：在生態(tài)學(xué)中的應(yīng)用[D];復(fù)旦大學(xué);2014年

2 張德成;滑坡預(yù)測預(yù)報研究[D];昆明理工大學(xué);2015年

3 苗圣法;時間序列的模式檢測[D];蘭州大學(xué);2015年

4 王曉曄;時間序列數(shù)據(jù)挖掘中相似性和趨勢預(yù)測的研究[D];天津大學(xué);2003年

5 李桂玲;時間序列的分割及不一致發(fā)現(xiàn)研究[D];華中科技大學(xué);2012年

6 周勇;時間序列時序關(guān)聯(lián)規(guī)則挖掘研究[D];西南財經(jīng)大學(xué);2008年

7 張勇;時間序列模式匹配技術(shù)研究[D];華中科技大學(xué);2012年

8 董曉莉;時間序列數(shù)據(jù)挖掘相似性度量和周期模式挖掘研究[D];天津大學(xué);2007年

9 姜向榮;短時間序列預(yù)測建模及應(yīng)用研究[D];北京郵電大學(xué);2009年

10 許娜;時間序列的分形及其混沌分析[D];北京交通大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳健;基于多變量相空間重構(gòu)的投資組合策略研究[D];華南理工大學(xué);2015年

2 蘭鑫;時間序列的復(fù)雜網(wǎng)絡(luò)轉(zhuǎn)換策略研究[D];西南大學(xué);2015年

3 米曉將;區(qū)域尺度下月均氣溫的時空演化格局研究[D];昆明理工大學(xué);2015年

4 張鳴敏;基于支持向量回歸的PM_(2.5)濃度預(yù)測研究[D];南京信息工程大學(xué);2015年

5 林健;基于改進小世界回聲狀態(tài)網(wǎng)的時間序列預(yù)測[D];渤海大學(xué);2015年

6 曹智麗;日氣溫和干旱指數(shù)支持向量回歸預(yù)測方法[D];南京信息工程大學(xué);2015年

7 高雄飛;基于分形理論的土壤含水量時間序列特性分析[D];長安大學(xué);2015年

8 姚茜;城市安全生產(chǎn)發(fā)展目標(biāo)研究[D];中國地質(zhì)大學(xué)(北京);2015年

9 謝翠穎;蘇州社會消費品零售總額簡析[D];蘇州大學(xué);2015年

10 包仁義;基于時間序列的搜索引擎評估模型算法研究[D];東北師范大學(xué);2015年

  本文關(guān)鍵詞：時間序列的模式檢測，由筆耕文化傳播整理發(fā)布。

，

本文編號：369067