[發明專利]一種時間序列趨勢提取的方法及裝置

在審

• 申請號: 201710384826.6
• 申請日: 2017-05-26
• 公開（公告）號: CN107133606A
• 公開（公告）日: 2017-09-05
• 發明（設計）人: 蔡念;謝偉;許杰;王晗;池浩塬
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F17/14
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 羅滿

技術領域

本發明涉及時間序列處理領域，特別是涉及一種時間序列趨勢提取的方法及裝置。

背景技術

時間序列是一系列基于連續時間的觀測數值，其廣泛地出現在各種領域，例如經濟學、工程學以及海洋科學等。

時間序列主要是兩種成分的復合體，一種成分是趨勢，另一種是與序列不相關或相關度較低的干擾成分。時間序列趨勢提取之后，可以對趨勢進行分析，以獲取許多有價值的信息，并可以進一步的用于諸如時間序列的預測等任務。

現有的趨勢提取方法有很多，例如經驗模式分解法(EMD，empirical mode decomposition)以及互補集合經驗模式分解法(CEEMD，Complementary empirical mode decomposition)。EEMD方法可以解決了EMD方法中模態混疊的問題，而CEEMD方法是在EEMD方法的基礎上，為了降低重構誤差，將白噪聲改為正負的白噪聲對得出的改進方法。但是，CEEMD方法在實施的過程中，兩個重要的參數必須預先設定，即所添加白噪聲的幅值以及集合平均數，依靠人為的經驗設定。顯然，人為設定的經驗值無法滿足各種應用情況。

發明內容

本發明的目的是提供一種時間序列趨勢提取的方法及裝置，目的在于解決現有技術根據經驗人為設定CEEMD方法中的白噪聲幅值和集合平均數，無法滿足各種應用情況的問題。

為解決上述技術問題，本發明提供一種時間序列趨勢提取的方法，該方法包括：

獲取待提取時間序列；

基于利用自適應參數對所述待提取時間序列分解得到的自適應IMF分量和所述待提取時間序列的相關度，以及所述自適應IMF分量與所述待提取時間序列的RRMSE值，計算出最優白噪聲幅值；

根據所述最優白噪聲幅值，依據互補集合經驗模式分解方法中白噪聲幅值與集合平均數的特性，計算出最優集合平均數；

基于所述最優白噪聲幅值以及所述最優集合平均數，利用所述互補集合經驗模式分解方法，對所述待提取時間序列進行分解，得出最優IMF分量和最優殘余分量；

根據所述最優IMF分量以及所述最優殘余分量，提取出所述待提取時間序列的趨勢序列。

可選地，所述根據所述最優IMF分量以及所述最優殘余分量，提取出所述待提取時間序列的趨勢序列包括：

利用希爾伯特變換，計算出全部所述最優IMF分量的希爾伯特邊緣譜；

根據在第一預設范圍內取值的預設頻率劃分參數，將所述希爾伯特邊緣譜劃分為低頻區域、中頻區域以及高頻區域；

以第一預設步進，依次對所述預設頻率劃分參數取值，計算各個頻率區域的能量權重，并將各個所述能量權重進行低頻歸一化，得出低頻能量權重；

當所述低頻能量權重大于第一預設閾值時，將當前最優IMF分量作為趨勢構造IMF分量，形成待選趨勢序列；

根據所述待選趨勢序列與所述待提取時間序列的相關度，以及所述待選趨勢序列與噪聲干擾成分的相關度，選取出最優待選趨勢序列，將所述最優待選趨勢序列作為所述趨勢序列。

可選地，所述根據所述待選趨勢序列與所述待提取時間序列的相關度，以及所述待選趨勢序列與噪聲干擾成分的相關度，選取出最優待選趨勢序列，將所述最優待選趨勢序列作為所述趨勢序列包括：

基于趨勢序列優化度評價公式，計算出所述待選趨勢序列的優化度；

將最大優化度對應的待選趨勢序列作為所述趨勢序列；

其中，所述趨勢序列優化度評價公式為D_i＝0.5|d₁-1|+0.5|d₂-1|，D_i為趨勢序列優化度平均參數；d₁為所述待選趨勢序列與所述待提取時間序列的相關系數，d₁∈[-1,1]；d₂為所述待選趨勢序列與所述噪聲干擾成分的相關系數，d₂∈[-1,1]。

可選地，所述基于利用自適應參數對所述待提取時間序列分解得到的自適應IMF分量和所述待提取時間序列的相關度，以及所述自適應IMF分量與所述待提取時間序列的RRMSE值，計算出最優白噪聲幅值包括：

基于預先設置的初始白噪聲幅值以及初始集合平均數，以第二預設步進，迭代更新所述初始白噪聲幅值，得出自適應白噪聲幅值；

根據所述自適應白噪聲幅值，利用互補集合經驗模式分解方法，對所述待提取時間序列分解，得到所述自適應IMF分量；