时间序列数据的模式发现和预测方法研究.pdf

中国科学技术大学博士学位论文时间序列数据的模式发现及预测方法研究自动抽取出潜在的时序模式,对时间序列的未来事件进行预测。本文的主要工作和创新点如下:,基于该表示方法提出和实现了一种改进的多维索引结构和相应的相似模式匹配算法,并通过实验证明在一定程度上提高了模式查询的精度:,提出并实现了基于关联规则和聚类方法的模式发现算法。事件序列是一种和时间相关的序列,需要对传统的基于事务数据的挖掘方法进行很多改进;,定义和分析了事件序列的多尺度性和可预测性,对时间序列未来事件的发展趋势进行预测。提出了一种改进的基于分形维数的特征选择方法,从数据集中抽取出最具有代表性的属性子集。文中我们使用一些经典的时间序列数据和现实数据如股票数据,对上述研究结果进行了测试和验证。同时我们开发了一个基于电力数据的负荷预测系统,通过对大量和时间相关的历史负荷数据和气象数据进行挖掘,抽取出一些有价值的信息,并将其用到短期负荷预测中。关键词:数据挖掘,时间序列,事件序列,模式匹配,模式发现,事件预测Ⅱ!,unknown,;,wecangetusefulinfurmationrelatedtotimehiddeninthedatabase,,itissignificanttostudythechangeoflocalcharacterizationsintimeseries,andtoidentifythoselocalpatternsrepresentingimportantevents,forexample,,prehensivelyinthisthesis:discussthecurrentresearchsituation,relatedwork,andsomeup—to—datetechnologiesanddevelopments,andanalyzepatternmatching,rulediscovery,eventdetectionandpredictionmethodsoftimesseriesInallusiontotheproblemsofcurrentapproaches,Westudytimeseriesdataminingfromthreeaspects:patternmatching,auto-,,similaritymeasure,multi·dimensionalindexstructure,·dimensionalindexmethods,andproposeanewextractingmethod,thatis,eventseries,onwhichmostofworkinthe