[發(fā)明專利]一種土體溫度模式預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201710324105.6
• 申請日: 2017-05-09
• 公開（公告）號: CN107220483B
• 公開（公告）日: 2021-01-01
• 發(fā)明（設(shè)計(jì)）人: 肖云;許震洲;王欣;王選宏;高顥函;陳曉江;房鼎益
• 申請（專利權(quán)）人: 西北大學(xué)
• 主分類號: G06F30/20
• 分類號: G06F30/20
• 代理公司: 西安恒泰知識產(chǎn)權(quán)代理事務(wù)所 61216
• 代理人: 李鄭建

本發(fā)明公開了一種土體溫度模式預(yù)測方法，包括三個階段，首先對每一個條件變量及決策變量所形成的時間序列尋找候選興趣模式集，分別對每個候選興趣模式集進(jìn)行聚類；其次，產(chǎn)生條件變量與決策變量之間的預(yù)測；最后將待測數(shù)據(jù)的條件變量執(zhí)行階段一獲得的興趣模式去匹配階段二的預(yù)測規(guī)則，若滿足預(yù)測規(guī)則的前件，則輸出決策變量的預(yù)測結(jié)果。本發(fā)明的多元時序數(shù)據(jù)的模式預(yù)測方法計(jì)算量小，有效的減小模式預(yù)測中的時間復(fù)雜度，解決了傳統(tǒng)方法中時間復(fù)雜度過高的問題。

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)領(lǐng)域，特別涉及計(jì)算機(jī)中的數(shù)據(jù)挖掘領(lǐng)域，具體涉及一種多元時序數(shù)據(jù)的模式預(yù)測方法。

背景技術(shù)

時序預(yù)測在天氣預(yù)報(bào)，股票等領(lǐng)域是一個非常重要的研究方向。在時序預(yù)測中一個最重要的方法就是能夠根據(jù)一些變量的趨勢去預(yù)測其他變量的行為，這就叫做多元時序預(yù)測。例如，如果我們認(rèn)為兩個變量相關(guān)，那我們可能想知道例如在天氣預(yù)報(bào)中溫度增加了10％是否影響了濕度的趨勢。

在多元預(yù)測中，我們可以將主要的一些方法分成數(shù)學(xué)和人工的方法。數(shù)學(xué)方法中如ARIMA(Autoregressive integrated Moving Average Model，將非平穩(wěn)時間序列轉(zhuǎn)化為平穩(wěn)時間序列，然后將因變量僅對它的滯后值以及隨機(jī)誤差項(xiàng)的現(xiàn)值和滯后值進(jìn)行回歸所建立的模型)或者指數(shù)平滑算法在處理真實(shí)世界中的非線性無規(guī)律數(shù)據(jù)時均不可靠。人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和K近鄰都是一些應(yīng)用于時間序列預(yù)測的機(jī)器學(xué)習(xí)方法。然而由于很多的時間變量會隨著時間平移和伸縮，這些傳統(tǒng)的方法就會失效。為了解決這個問題，一個解決方案就是考慮一個序列的行為而不是考慮一個變量值。例如一些方法在時間序列分析中進(jìn)行模式預(yù)測。這些方法都假定一種對數(shù)據(jù)表示然后盡力去尋找最頻繁的模式。然而，這些解決方案存在的主要問題是：這些方法中數(shù)據(jù)表示并沒有降低數(shù)據(jù)維數(shù)尤其是高維數(shù)據(jù)，而且他們還必須去用例如聚類的方法處理數(shù)據(jù)導(dǎo)致時間復(fù)雜度提高；另外一個問題是他們的研究沒有能力解釋輸出規(guī)則和關(guān)系，因此時間復(fù)雜度的減小和解釋輸出規(guī)則和關(guān)系需要得要有效的解決。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)的缺陷和不足，本發(fā)明的目的是提供一種多元時序數(shù)據(jù)的模式預(yù)測方法，解決現(xiàn)有的數(shù)據(jù)處理方法時間復(fù)雜度高的問題。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案予以實(shí)現(xiàn)：

一種多元時序數(shù)據(jù)的模式預(yù)測方法，包括以下步驟：

階段一：對每一個條件變量及決策變量所形成的時間序列尋找候選興趣模式集，分別對每個候選興趣模式集進(jìn)行聚類；

步驟1：尋找候選興趣模式集；

步驟1.1：尋找可用初始子序列

對于時間序列S＝{s₁,…,s_l}，從s₁開始依次尋找斜率m₁≠0的兩個相鄰時間序列值，將首次尋找到的兩個相鄰時間序列值作為初始子序列S_i＝{s_i,s_i+1}，其中，i＝1，2，…，l-1，l為時間序列的長度，斜率m₁的計(jì)算公式為：

步驟1.2：計(jì)算相鄰時間序列值的斜率

給可用初始子序列增加下一個s_i+2，計(jì)算s_i+2和s_i+1的斜率m₂；

步驟1.3：獲取興趣模式

如果m₂不等于m₁，得到興趣模式p_α＝{s_i,s_i+1,s_i+2}；