[發(fā)明專利]一種面向時序數(shù)據(jù)的預測方法

在審

• 申請?zhí)枺?/td>: 202011095091.3
• 申請日: 2020-10-14
• 公開（公告）號: CN112163022A
• 公開（公告）日: 2021-01-01
• 發(fā)明（設計）人: 陳業(yè)斌;楊菲;鐘亮;邰偉鵬
• 申請（專利權(quán)）人: 安徽工業(yè)大學;安徽工大信息技術有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06K9/62;G06Q30/02
• 代理公司: 安徽知問律師事務所 34134
• 代理人: 王亞軍

1.一種面向時序數(shù)據(jù)的預測方法，其特征在于，包括以下步驟：

采集歷史時序數(shù)據(jù)；

根據(jù)歷史時序數(shù)據(jù)設定若干個時間點，計算每個時間點相對前一個時間點的變化率；

記錄達到峰值或谷值的時間點，選取達到峰值或谷值之后的N個時間點數(shù)據(jù)進行計算得到累積變化率矩陣；再根據(jù)累積變化率矩陣計算得到新的矩陣；

利用聚類算法對新的矩陣進行聚類得到聚類結(jié)果，并根據(jù)聚類結(jié)果進行預測。

2.根據(jù)權(quán)利要求1所述的一種面向時序數(shù)據(jù)的預測方法，其特征在于，利用下列公式計算每個時間點相對前一個時間點的變化率：

V_t是當前時間點的值；V_t-1是當前時間點的前一個時間點的值；P表示變化率。

3.根據(jù)權(quán)利要求1所述的一種面向時序數(shù)據(jù)的預測方法，其特征在于，選取達到峰值或谷值之后的N個時間點數(shù)據(jù)的具體過程為：當某個時間點為峰值或谷值時，若在該時間點之前的5個時間點之內(nèi)沒有時間點值大于峰值或者小于谷值，則以該時間點為零點，并記錄該時間點之后的N個連續(xù)時間點數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的一種面向時序數(shù)據(jù)的預測方法，其特征在于，計算得到累積變化率矩陣的具體過程為：

設定若干個時間點有M個零點，根據(jù)M個零點得到(N+1)*M的矩陣X；

Y表示累積變化率矩陣；X[i,:]表示矩陣X的每一行數(shù)據(jù)，i為正整數(shù)；X[0,:]表示矩陣X第一行的時間點數(shù)據(jù)。

5.根據(jù)權(quán)利要求4所述的一種面向時序數(shù)據(jù)的預測方法，其特征在于，根據(jù)累積變化率矩陣計算得到新的矩陣的具體過程為：

先根據(jù)累積變化率矩陣計算每一行元素的正增長率，平均值，中值，最大值，最小值和T_Value；

根據(jù)每一行元素的正增長率，平均值，中值，最大值，最小值和T_Value組成新的矩陣。

6.根據(jù)權(quán)利要求5所述的一種面向時序數(shù)據(jù)的預測方法，其特征在于，利用下述公式計算正增長率，平均值，中值，最大值，最小值和T_Value：

Positive％表示在達到峰值或谷值后的第t個時間點的正增長率；P0表示第t個時間點Y值大于0的個數(shù)；P表示第t個時間點Y值的總共個數(shù)；

Average表示在達到峰值或谷值后的第t個時間點的平均值；表示第t個時間點所有Y值的和；

Median＝Median(Y_t)–1

Median表示在達到峰值或谷值后的第t個時間點的中值；

Max＝Max(Y_t)–1

Max表示在達到峰值或谷值后的第t個時間點的最大值；

Min＝Min(Y_t)–1

Min表示在達到峰值或谷值后的第t個時間點的最小值；

T_Value表示正增長率，平均值，中值，最大值，最小值的指標計算結(jié)果的可信度；Std表示每一行元素的方差。

7.根據(jù)權(quán)利要求1～6任一項所述的一種面向時序數(shù)據(jù)的預測方法，其特征在于，利用k-means算法對新的矩陣進行聚類。

8.根據(jù)權(quán)利要求7所述的一種面向時序數(shù)據(jù)的預測方法，其特征在于，對新的矩陣進行聚類的具體過程為：

(a)根據(jù)新的矩陣得到k個聚類并對每個聚類確定一個初始聚類中心；

(b)將樣本集中的樣本x_i按照最小距離原則分配到最鄰近聚類u_k；

d_ij＝min(||x_i-u_k||),x_i∈S,u_k∈Z

其中，S為樣本集，Z為整數(shù)集；

(c)使用每個聚類中的樣本均值作為新的聚類中心；

重復步驟(b)，(c)直到聚類中心不再變化。