时间序列分类及预测算法研究与应用

《时间序列分类及预测算法研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、？？硕士学位论文｜时间序列分类及预测算法研宄与应用作者姓名拯查指导教师姓名、职称方敏教授申请学位类别工学硕士学校代码10701学号1503121624分类号TP39密级公开西安电子科技大学硕士学位论文时间序列分类及预测算法研究与应用作者姓名：杨奇一级学科：计算机科学与技术二级学科：计算机应用技术学位类别：工学硕士指导教师姓名、职称：方敏教授学院：计算机学院提交日期：2018年6月ResearchandApplicationofTimeSeriesClassificati

2、onandPredictionAlgorithmsAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinComputerApplicationTechnologyByYangQiSupervisor:FangMinTitle:ProfessorJune2018西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人

3、在导师指导下进行的研宄工作及取得的研宄成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人己经发表或撰写过的研宄成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料一。与我同工作的同事对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。一学位论文若有不实之处，本人承担切法律责任。Ｘ本人签名：日期：秘今西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研

4、宄生在校攻读学位期间论文工作的知识产权属于西安电子科技大学。学校有权保留送交论文的复印件，允许查阅、借阅论文；学校可以公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，结合学位论文研宄成果完成的论文、发明专利等成果，署名单位为西安电子科技大学。保密的学位论文在解密后适用本授权书。＿年：名：＼本人签名导师签日期：日期：＞滅“）丨摘要摘要时间序列分类及预测是时间序列分析的重要组成部分，通过对大量的观测数据进行分析，能够预测出数据

5、在未来的发展趋势，以便对将要发生的事件进行控制。本文对时间序列分析中的时间序列模式分类、多步交通流预测和时间序列早期分类三个问题进行了研究并分别提出了改进算法，将改进的算法应用到隧道烟雾浓超标模式识别中。针对在时间序列模式分类中数据存在失真和受噪声影响等问题，提出了一种基于多视图典型相关分析改进的时间序列模式分类算法。首先利用训练数据给每个类别定义一个模板序列，再利用动态时间弯曲算法计算出每个时间序列和每个模板序列之间的动态时间弯曲路径作为该序列的动态时间弯曲特征，接着提取原序列的一维时间方向梯度直方图特

6、征，最后将这两个特征作为原始时间序列的两个视图，通过多视图典型相关分析方法将该序列的两个特征进行融合，将融合后的特征再进行分类。并且将该算法应用到隧道烟雾浓度超标模式识别中，实验结果表明基于多视图典型相关分析改进的时间序列分类算法比基于单个特征的时间序列分类算法有更好的分类效果。鉴于交通流序列流具有强周期性和波动性等特性，提出了一种基于经验模态分解改进的多步交通流预测算法。在该算法中，先将不同周期相同时刻的数据组成纵向预测序列并对纵向数据进行经验模态分解，求出其波动部分和每个周期对应时刻的基交通流量，然后

7、对波动部分进行预测并将其预测结果加上其对应时刻的基交通流量作为纵向预测结果。最后将纵向预测结果和基于直接策略的预测结果进行加权求和作为最终的预测结果。接着，使用VanetMobiSim仿真软件构造了城市道路交通流仿真系统的宏观移动模型和微观移动模型，然后对城市道路交通流进行仿真并提取出其交通流时间序列。实验结果表明基于经验模态分解改进的多步交通流预测算法具有更好的预测精度。针对时间序列早期分类问题，利用K近邻算法思想改进了现有的基于代价损失的早期时间序列分类算法。该算法在一个专门优化分类正确率和延迟决策损

8、失的框架下，首先在训练过程中计算出每个训练时间序列在每个时间点的代价损失，在测试过程中利用K近邻算法得到测试时间序列在训练集中的K个最近邻，再利用K个近邻的未来代价损失值估算出待测样本的未来损失从而得到其最优分类时刻并对其进行分类，实验结果表明基于KNN改进的代价损失的早期时间序列分类算法具有更好的分类结果。关键词：时间序列分类，多步交通流预测，交通流仿真，时间序列早期分类IABSTRACTABSTRACTTimeseries