[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

一種復雜網絡中的非平穩時間序列預測識別方法及系統，其方法包括：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；本申請通過對動態貝葉斯網絡模型進行改進，以及對現有的時間序列集合進行分析整理，進而訓練數據來推斷決定時序發展的參數，從而預測時間序列未來的走向趨勢。

技術領域

本發明涉及數據處理技術領域，特別涉及一種復雜網絡中的非平穩時間序列預測識別方法及系統。

背景技術

時間序列反映了一組變量隨時間變化的規律，其內含有許多挖掘的信息，比如，變量間的依賴關系、結構以及一些參數的取值等，而在多數的實際問題中，對非平穩時間序列的建模尤為看重，因其時間序列是非平穩的，故對其建模、挖掘演化信息及變量間行為交互的識別的研究也更困難和必要，現有的技術中，動態貝葉斯網絡模型在處理非平穩時間序列方面的性能較差，通常假設網絡參數和結構不變，在實際動態演變的場景中無法準確跟蹤，而時變隱馬爾可夫模型無法運用到變量間的依賴關系會變的情況中，其網絡結構無法改變，交互模式識別單一。

因此，如何提供一種復雜網絡的時間序列預測識別方法，是本領域技術人員亟待解決的問題。

發明內容

本申請實施例提供了一種復雜網絡中的非平穩時間序列預測識別方法及系統，旨在解決復雜網絡中的非平穩時間序列預測識別的問題。

第一方面，本申請提供了一種復雜網絡中的非平穩時間序列預測識別方法，該方法包括：

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。

第二方面，本申請還提供了一種復雜網絡中的非平穩時間序列預測識別系統，該系統包括：

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。

第三方面，本申請還提供了一種計算機裝置，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，實現如上述第一方面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。

第四方面，本申請還提供了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上述第一方面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。