版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著長(zhǎng)江三峽庫區(qū)蓄水位不斷升高,給庫區(qū)水環(huán)境質(zhì)量帶來了巨大的影響,為更進(jìn)一步掌握庫區(qū)水環(huán)境質(zhì)量狀況以確保庫區(qū)水環(huán)境安全,環(huán)保部門逐步建立了愈來愈完善的三峽庫區(qū)水質(zhì)監(jiān)測(cè)系統(tǒng),獲得了大量的水質(zhì)時(shí)間序列數(shù)據(jù)。由于時(shí)間序列數(shù)據(jù)本身所具備的高維性、復(fù)雜性、動(dòng)態(tài)性、高噪聲特性以及容易達(dá)到大規(guī)模的特性,急需一種方法從這些數(shù)據(jù)中發(fā)現(xiàn)水質(zhì)變化規(guī)律和分布狀況。
本文以時(shí)間序列數(shù)據(jù)挖掘?yàn)榛A(chǔ)理論,以重慶市科技攻關(guān)重點(diǎn)項(xiàng)目(CSTC,2006AA
2、7024)“三峽庫區(qū)水環(huán)境安全預(yù)警平臺(tái)與輔助決策關(guān)鍵技術(shù)研究”為應(yīng)用背景,針對(duì)水環(huán)境中水質(zhì)監(jiān)測(cè)時(shí)間序列數(shù)據(jù),圍繞時(shí)間序列數(shù)據(jù)挖掘的理論與方法研究,從時(shí)間序列模式表示、多維時(shí)間序列相似度量、時(shí)間序列預(yù)測(cè)和時(shí)間序列數(shù)據(jù)挖掘模型與預(yù)警平臺(tái)的應(yīng)用集成四方面開展以下研究工作:
①分析時(shí)間序列的模式表示,著重討論時(shí)間序列的分段模式表示,通過分析分段線性化與分段多項(xiàng)式的基本思想,將分段線性化全局連續(xù)性的優(yōu)點(diǎn)與分段多項(xiàng)式局部形態(tài)保持的優(yōu)點(diǎn)
3、結(jié)合起來,提出一種時(shí)間序列分段多項(xiàng)式連續(xù)模式表示方法。實(shí)驗(yàn)表明,時(shí)間序列分段多項(xiàng)式連續(xù)模式表示在保留分段多項(xiàng)式在局部形態(tài)上優(yōu)點(diǎn)的同時(shí)具備分段線性化的全局連續(xù)性,且能夠與分段線性化模式表示兼容,更好地保留時(shí)間序列形態(tài)。該算法具有的這種時(shí)間序列形態(tài)保持性,能夠作為時(shí)間序列的趨勢(shì)提取和噪聲過濾的基本算法,可以推廣應(yīng)用于水環(huán)境安全領(lǐng)域中水質(zhì)時(shí)間序列數(shù)據(jù)預(yù)處理過程。
②在對(duì)一維時(shí)間序列Lp距離和DTW距離的相似性度量分析的基礎(chǔ)上,研
4、究將空間路徑相似引入多維時(shí)間序列的相似性度量中,通過空間路徑的相似性度量確定多維時(shí)間序列的相似性,提出基于路徑DTW相似的多維時(shí)間序列相似性度量,并將其應(yīng)用于多維時(shí)間序列聚類。通過實(shí)驗(yàn)將基于一維相似累加、基于路徑歐氏距離相似和基于路徑DTW相似的多維時(shí)間序列聚類效果進(jìn)行比較,結(jié)果表明在多維時(shí)間序列聚類上,以路徑DTW相似聚類能完全正確分類,路徑歐氏距離相似聚類只在差距較小的多維時(shí)間序列間存在誤分,效果都優(yōu)于一維相似累加聚類。基于路徑DT
5、W相似的多維時(shí)間序列聚類用于水環(huán)境河流分類,獲得了較好的實(shí)際應(yīng)用效果。
③針對(duì)時(shí)間序列神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的過擬合問題,研究RBF和神經(jīng)網(wǎng)絡(luò)集成的基本原理,結(jié)合PCA技術(shù)與樣本聚類技術(shù),提出一種時(shí)間序列RBF神經(jīng)網(wǎng)絡(luò)集成預(yù)測(cè)的方法。在時(shí)間序列分割后形成樣本的基礎(chǔ)之上,使用PCA技術(shù)得到新樣本,以新樣本維數(shù)為個(gè)體RBF網(wǎng)絡(luò)輸入維數(shù),順序選擇新樣本簇的中心和半徑為個(gè)體RBF的中心參數(shù),將個(gè)體RBF對(duì)輸入/輸出的先驗(yàn)知識(shí)引入到平均集成中
6、。實(shí)驗(yàn)表明,該方法的時(shí)間序列預(yù)測(cè)精度高于任意個(gè)體RBF的預(yù)測(cè)精度,將該方法應(yīng)用于水環(huán)境水質(zhì)預(yù)測(cè),獲得了較好的實(shí)際應(yīng)用效果。
④研究時(shí)間序列數(shù)據(jù)挖掘與三峽庫區(qū)水環(huán)境安全預(yù)警平臺(tái)的應(yīng)用集成方法。以服務(wù)請(qǐng)求的應(yīng)用集成機(jī)制為基礎(chǔ),設(shè)計(jì)了基于服務(wù)請(qǐng)求的應(yīng)用集成結(jié)構(gòu),及其開放的集成計(jì)算服務(wù)器結(jié)構(gòu),同時(shí)定義了應(yīng)用客戶端與集成計(jì)算服務(wù)基于XML的模型查詢、模型目錄、計(jì)算請(qǐng)求和計(jì)算結(jié)果的服務(wù)請(qǐng)求協(xié)議。
本文所研究的時(shí)間序列數(shù)據(jù)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 時(shí)間序列數(shù)據(jù)挖掘算法研究及其應(yīng)用.pdf
- 時(shí)間序列數(shù)據(jù)挖掘方法的研究及其應(yīng)用.pdf
- 時(shí)間序列數(shù)據(jù)挖掘研究與應(yīng)用.pdf
- 時(shí)間序列數(shù)據(jù)挖掘研究.pdf
- 時(shí)間序列數(shù)據(jù)挖掘及應(yīng)用研究.pdf
- 時(shí)間序列數(shù)據(jù)挖掘方法研究.pdf
- 時(shí)間序列數(shù)據(jù)挖掘及其可視化研究.pdf
- 時(shí)間序列的數(shù)據(jù)挖掘研究.pdf
- 時(shí)間序列數(shù)據(jù)相似模式挖掘的研究與應(yīng)用.pdf
- 多維時(shí)間序列數(shù)據(jù)挖掘的方法研究及應(yīng)用.pdf
- 關(guān)聯(lián)規(guī)則在時(shí)間序列數(shù)據(jù)挖掘中的應(yīng)用.pdf
- 數(shù)據(jù)挖掘在時(shí)間序列分析中的研究和應(yīng)用.pdf
- 金融時(shí)間序列數(shù)據(jù)挖掘關(guān)鍵算法研究.pdf
- 多維時(shí)間序列數(shù)據(jù)挖掘技術(shù)研究.pdf
- 時(shí)間序列的相似性挖掘及其在股票時(shí)間序列中的應(yīng)用.pdf
- 股票時(shí)間序列數(shù)據(jù)挖掘與趨勢(shì)預(yù)測(cè)--基于時(shí)間序列嵌入.pdf
- 時(shí)間序列數(shù)據(jù)流復(fù)雜模式挖掘研究.pdf
- 時(shí)間序列數(shù)據(jù)挖掘若干關(guān)鍵問題研究.pdf
- 基于金融時(shí)間序列的數(shù)據(jù)挖掘方法研究.pdf
- 63225.水文時(shí)間序列數(shù)據(jù)挖掘研究與應(yīng)用——以頻繁序列研究為例
評(píng)論
0/150
提交評(píng)論