發(fā)布時間：2024-04-07 22:44

　　隨著物聯(lián)網(wǎng)這項新興信息技術的發(fā)展,城市建設的內(nèi)涵已經(jīng)從“數(shù)字城市”轉為“智慧城市”。智慧城市指的是運用信息和通信技術手段感知、分析、整合城市運行核心系統(tǒng)的各項數(shù)據(jù),從而對包括民生、環(huán)保、公共安全、城市服務、工商業(yè)活動在內(nèi)的各種需求做出智能響應。然而,由于物聯(lián)網(wǎng)時間序列數(shù)據(jù)(時序數(shù)據(jù))的非平穩(wěn)性、非線性等特點,現(xiàn)有的時序數(shù)據(jù)分析方法無法滿足物聯(lián)網(wǎng)業(yè)務多樣性和差異性的需求。因此,如何有效地對物聯(lián)網(wǎng)時序數(shù)據(jù)進行建模與分析成為了目前亟待解決的問題之一。當前深度學習的發(fā)展,為物聯(lián)網(wǎng)時序數(shù)據(jù)的建模與分析提供了更靈活有效的解決思路。然而,由于數(shù)據(jù)缺失或者感知周期過短,某些場景下只能采集到少量時序數(shù)據(jù)。如何針對不同大小數(shù)據(jù)集,構建面向數(shù)據(jù)特征的物聯(lián)網(wǎng)時序數(shù)據(jù)建模與分析算法,以及如何在大規(guī)模網(wǎng)絡中高效地使用算法,為物聯(lián)網(wǎng)應用提供高效精準的服務,是本文研究的關鍵所在。首先,針對小樣本數(shù)據(jù)集,提出了基于集成學習的時間序列短期預測算法。然后,著手研究基于深度學習的大樣本時序數(shù)據(jù)建模與分析方法:面向單點場景,即僅包含單個或少數(shù)幾個時間序列,設計了基于深度神經(jīng)網(wǎng)絡的長期預測算法;在此基礎上,面向網(wǎng)絡場景,即包含多...

【文章頁數(shù)】：136 頁

【學位級別】：博士

【文章目錄】：
摘要
ABSTRACT
符號列表
第一章 緒論
    1.1 研究背景
    1.2 物聯(lián)網(wǎng)時間序列
        1.2.1 時間序列概念
        1.2.2 物聯(lián)網(wǎng)時序數(shù)據(jù)典型特征
        1.2.3 時間序列分析任務
    1.3 時序數(shù)據(jù)建模與分析的研究現(xiàn)狀以及挑戰(zhàn)
        1.3.1 國內(nèi)外研究現(xiàn)狀
        1.3.2 現(xiàn)有研究存在的問題
    1.4 論文主要貢獻及組織結構
        1.4.1 論文主要工作與創(chuàng)新
        1.4.2 論文結構與內(nèi)容
第二章 小樣本時序數(shù)據(jù)的建模與短期預測算法研究
    2.1 引言
    2.2 問題描述
    2.3 基于集成學習的時間序列建模與預測算法
        2.3.1 加法表達式
        2.3.2 提升回歸算法
    2.4 實驗結果及分析
    2.5 本章小結
第三章 大樣本時序數(shù)據(jù)的建模與長短期預測算法研究
    3.1 引言
    3.2 時間序列長期預測所面臨的挑戰(zhàn)以及目標問題
    3.3 時變卷積神經(jīng)網(wǎng)絡:TD-CNN
    3.4 周期遞歸神經(jīng)網(wǎng)絡:C-LSTM
    3.5 實驗結果及分析
        3.5.1 數(shù)據(jù)集
        3.5.2 實驗設置
        3.5.3 實驗結果
    3.6 本章小結
第四章 基于深度聚類的時間序列預測技術網(wǎng)絡化方法研究
    4.1 引言
    4.2 問題描述
    4.3 時間序列預測技術網(wǎng)絡化方法
        4.3.1 基于表示學習的深度聚類模塊:DeepCluster
        4.3.2 深度預測模塊:DeepPrediction
    4.4 實驗結果及分析
        4.4.1 數(shù)據(jù)集
        4.4.2 實驗配置
        4.4.3 實驗結果
    4.5 本章小結
第五章 面向網(wǎng)絡場景的時序數(shù)據(jù)缺失值補全算法研究
    5.1 引言
    5.2 時間序列建模與目標問題
        5.2.1 時間序列的張量建模
        5.2.2 問題描述
    5.3 基于內(nèi)容感知的時序數(shù)據(jù)GAN補全算法:CA-GAN
        5.3.1 張量生成模型
        5.3.2 張量補全
    5.4 性能評估與分析
        5.4.1 數(shù)據(jù)集
        5.4.2 實驗配置
        5.4.3 交通生成模型
        5.4.4 交通流速補全性能評估
        5.4.5 性能比較
    5.5 本章小結
第六章 結束語
    6.1 論文主要工作總結
    6.2 全文展望
附錄一 縮略語列表
致謝
攻讀學位期間發(fā)表的學術論文目錄



本文編號：3948090