[發明專利]一種基于鏈式可重寫窗口的數據流在線預測方法

在審

• 申請號: 201310229090.7
• 申請日: 2013-06-09
• 公開（公告）號: CN103279679A
• 公開（公告）日: 2013-09-04
• 發明（設計）人: 盧曉偉;張清
• 申請（專利權）人: 浪潮電子信息產業股份有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于鏈式可重寫窗口的數據流在線預測方法,?其特征在于通過鏈式重寫窗口模型并利用經驗模式分解的方法，列對從窗口中得到數據序列進行分解，然后對不同分量分別建立基于最大Lyapunov指數預測模型，最后將這些模型的預測結果進行組合，獲得最終預測結果，內容包括：

為了實現在線預測提出鏈式重寫窗口模型代替傳統的滑動窗口，該窗口模型采用對窗口內數據的重寫完成數據更新，在窗口內數據的更新過程無須數據移動，從而提高了系統的處理效率；

在傳統的滑動窗口進行在線數據預測，需要搭建預測框架模型，同樣，在鏈式重寫窗口內，需要搭建改進的數據預測框架模型；鏈式重寫窗口模型定義如下，

(1)?基本思想

傳統的滑動窗口技術中，在窗口已滿階段，新數據進入窗口將引起其他已在窗口內的數據發生前移，但是通過把要移入的數據覆蓋要移出的數據方法代替這種移動，并且需要提供一套鏈式可重寫窗口技術來維護窗口內部數據的邏輯格局，從而維護邏輯一致性的同時，又避免窗口內部數據的移動，此即為鏈式可重寫窗口技術的思想來源；

(2)?形式化描述

????LRW=<N,length,*head，*rear,f>

-?N代表窗口的大小，

-?*head?代表窗口的頭部標記，指向窗口頭，

-?length?代表窗口內數據量，初值為0，

-?*rear指向最晚進入窗口的元素位置，

-?f?為窗口的格局變換函數，通過該函數能夠得到窗口內數據的真實順序；

窗口內算法預測框架模型：原始序列經驗模式分解，得到有限個具有特征振蕩周期的固有模態函數分量和一個代表原始序列平均趨勢的余量，盡管有些固態模型模態分量仍然保持著不同程度的非平穩性，但是在它們之間的相互影響卻被隔離，利用這種隔離盡可能地減少非平穩行為對預測的影響，固有模態分量的頻率比原始序列的小得多，這樣能減少各個分量的最大Lyapunov指數，從而大大增長可預測時間達到長期預測的目的；

在鏈式重寫窗口模型中，需要定義數據節點結構，數據存儲和更新以及鏈式可重寫窗口格局變換圖,定義如下：

typedef?struct?LNode{

????ElemType?data;

????struct?LNode?*next;

}LNode,*LinkWindow;

數據存儲和更新：

Update(N,length,*head，*rear,ElemType?e)?{???????//窗口未滿

????If(N<length){?????????????????????????????

s=(LinkWindow)malloc?sizeof(Lnode);

????????s->data?=?e;

????????s->next?=?rear->next;

????????rear->next?=?s;

????????length++;

???????//窗口已滿

}?else?{

????If(rear->next==null){

???????rear?=?head->next;

}else?{

????rear?=?rear->next;

}

rear->data?=?e;

}

}

f?定義如下：

-?f（N，length，*head，*rear）

????//窗口未滿

if(length<N)

????直接返回窗口中的數據

//窗口滿

else?

head?和?rear之間數據?和?rear后的數據互換后返回

第一行表示窗口為空，如果在此階段沒有數據到達時，建立節點掛在鏈表的最后，length=length+1,rear=rear->next，第三行表示數據恰好滿時，如果在此階段有數據到達時，數據此時不能直接進入窗口，而是新到數據覆蓋早進入窗口的數據，即rear=head->next,rear->data=e，第五行表示當窗口滿時并且rear->next!=null,則rear=rear->next;rear->data=e；

對于分解后的各個分量分別基于最大Lyapunov指數預測模型進行預測，將各分量的預測值進行合成，得到數據序列的最終預測結果。