[發明專利]一種復雜網絡中的非平穩時間序列預測識別方法及系統

在審

• 申請號: 202110990975.3
• 申請日: 2021-08-26
• 公開（公告）號: CN113688994A
• 公開（公告）日: 2021-11-23
• 發明（設計）人: 楊清海;劉敏;李陽;吳偉華;沈八中
• 申請（專利權）人: 西安電子科技大學廣州研究院
• 主分類號: G06N7/00
• 分類號: G06N7/00;G06F17/11;G06F17/16;G06F17/18;G06N5/04
• 代理公司: 北京高航知識產權代理有限公司 11530
• 代理人: 劉艷玲

1.一種復雜網絡中的非平穩時間序列預測識別方法，其特征在于，包括：

構建多任務時序動態貝葉斯網絡模型；

對已有的模型數據進行濾波和重采樣；

根據濾波和重采樣的結果，估計得到網絡參數和網絡結構，利用已有的模型數據、網絡參數和網絡結構，完成對多任務時序動態貝葉斯網絡模型的訓練；

將待識別的非平穩時間序列輸入訓練好的多任務時序動態貝葉斯網絡模型，輸出預測識別結果。

2.如權利要求1所述的一種復雜網絡中的非平穩時間序列預測識別方法，其特征在于，所述構建多任務時序動態貝葉斯網絡模型之后，還包括：

定義每個非平穩時間序列為一個變量，并定義網絡參數、網絡結構與非平穩時間序列之間的關系。

3.如權利要求2所述的一種復雜網絡中的非平穩時間序列預測識別方法，其特征在于，所述并定義網絡參數、網絡結構與非平穩時間序列之間的關系之后，包括：

采用一階馬爾科夫模型為網絡結構和網絡參數建模。

4.如權利要求3所述的一種復雜網絡中的非平穩時間序列預測識別方法，其特征在于，所述采用一階馬爾科夫模型為網絡結構和網絡參數建模之后，包括：

計算網絡結構的轉移概率和網絡參數的轉移概率。

5.如權利要求4所述的一種復雜網絡中的非平穩時間序列預測識別方法，其特征在于，所述計算網絡參數轉移概率，包括：

根據非平穩時間序列的分布特點，選擇不同的計算方式。

6.如權利要求5所述的一種復雜網絡中的非平穩時間序列預測識別方法，其特征在于，所述根據所述非平穩時間序列的分布特點，選擇不同的計算方式，包括：

判斷時間序列的分布是否符合離散、連續或特定分布，并根據時間序列的分布，選擇不同的計算方式。

7.如權利要求1所述的一種復雜網絡中的非平穩時間序列預測識別方法，其特征在于，所述根據濾波和重采樣的結果，估計得到網絡參數和網絡結構，包括：

通過對已有的模型數據進行粒子濾波和重采樣得到近似的后驗分布，并根據后驗分布估計出網絡參數和網絡結構。

8.一種復雜網絡中的非平穩時間序列預測識別系統，包括：

模型構建單元，用于構建多任務時序動態貝葉斯網絡模型；

數據處理單元，用于對已有的模型數據進行濾波和重采樣；

模型訓練單元，用于根據濾波和重采樣的結果，估計得到網絡參數和網絡結構，利用已有的模型數據、網絡參數和網絡結構，完成對多任務時序動態貝葉斯網絡模型的訓練；

識別輸出單元，用于將待識別的非平穩時間序列輸入訓練好的多任務時序動態貝葉斯網絡模型，輸出預測識別結果。

9.一種計算機裝置，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時，實現如權利要求1-7中任一項所述的復雜網絡中的非平穩時間序列預測識別方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時執行如權利要求1-7中任一項所述的復雜網絡中的非平穩時間序列預測識別方法。