一種時間序列預測方法、設備和系統的製作方法

2023-06-29 02:35:56

專利名稱：一種時間序列預測方法、設備和系統的製作方法
技術領域：
本發明涉及數據預測技術領域，更具體地說，涉及一種時間序列預測方法、設備和方法。
背景技術：
時間序列預測法是基於與時間順序相關聯的有序觀測數據集，利用隨機過程理論和數理統計學方法，研究所述數據集所遵從的統計規律，從而推測數據發展趨勢指導解決實際問題。所述時間序列預測法已廣泛應用到工業、地址、生態、經濟、氣象、醫學等領域。
現有技術中針對時間序列預測使用較多的是工具是基於機器學習算法的神經網絡、決策樹和支持向量機方法等預測器，為了取得更好的時間序列預測效果，往往將多個相同或不同的預測器進行融合，即選擇預測器並賦予多樣性，以及將多個預測器的輸出結果進行融合。
然而現有的該種預測器融合的方式至少存在如下缺點
由於多個預測器的輸出結果進行融合時需利用平均加權法、最小二乘法加權法以及線性規劃係數加權法等，所述平均加權法和最小二乘加權法是對所有的預測器分配預設權值，而對預測器數據校驗時，需要逐個校驗預測器無疑使得校驗過程緩慢，而線性規劃係數加權法雖校驗過程相對快速，但時間序列預測準確度並不理想。發明內容
有鑑於此，本發明提供一種時間序列預測方法、設備和系統，以實現時間序列預測校驗過程快速，且預測準確度提高的目的。
一種時間序列預測方法，包括
訓練獲取的時間序列數據得到訓練數據集；
利用所述訓練數據集訓練選定預測器組生成具有多樣性的預測器組；
提取稀疏信號重構優化函數並求解所述具有多樣性的預測器組的加權係數；
截獲加權係數非零的預測器進行時間序列數據預測。
為了完善上述方案，所述訓練獲取的時間序列數據得到訓練數據集具體為
設定所述時間序列數據為X(k)，k= 1，…，t_l，其中t為當前時刻，嵌入維數為 d，預測步長為τ ；
按照預設規則進行時間序列數據訓練後，得到的訓練數據集為
權利要求
1.一種時間序列預測方法，其特徵在於，包括 訓練獲取的時間序列數據得到訓練數據集；利用所述訓練數據集訓練選定預測器組生成具有多樣性的預測器組； 提取稀疏信號重構優化函數並求解所述具有多樣性的預測器組的加權係數； 截獲加權係數非零的預測器進行時間序列數據預測。
2.如權利要求1所述的預測方法，其特徵在於，訓練獲取的時間序列數據得到訓練數據集具體為設定所述時間序列數據為X(k)，k= 1，…，t-1，其中t為當前時刻，嵌入維數為d，預測步長為τ ；按照預設規則進行時間序列數據訓練後，得到的訓練數據集為
3.如權利要求1所述的預測方法，其特徵在於，提取稀疏信號重構優化函數並求解所述具有多樣性的預測器組的加權係數具體為將針對所述具有多樣性的預測器組的加權係數作為稀疏信號代入稀疏信號重構優化函數
4.如權利要求3所述的預測方法，其特徵在於，所述截獲加權係數非零的預測器具體為判斷所述具有多樣性的預測器組的加權係數…是否為零；將加權係數為…=0的若干所述若干具有多樣性的預測器的輸出結果捨棄，並截獲Lnz加權係數為…Φ 0的具有多樣性的預測器組進行逐個標識
5.如權利要求4所述的預測方法，其特徵在於，所述進行時間序列數據預測具體為 步驟A 令m = 1，輸入校驗樣本為
6.如權利要求1所述的預測方法，其特徵在於，所述預測器組具體為神經網絡、決策樹和支持向量機的自由組合。
7.一種時間序列預測設備，其特徵在於，包括預處理模塊，用於訓練獲取的時間序列數據得到訓練數據集； 預測器訓練模塊，用於利用所述訓練數據集訓練選定預測器組生成具有多樣性的預測器組；預測器加權係數計算模塊，用於提取稀疏信號重構優化函數並求解所述具有多樣性的預測器組的加權係數；時間序列預測模塊，用於截獲加權係數非零的預測器進行時間序列數據預測。
8.如權利要求7所述的預測設備，其特徵在於，還包括稀疏信號重構優化函數模塊，用於將針對所述具有多樣性的預測器組的加權係數作為係數信號代入稀疏信號重構優化函數。
9.如權利要求8所述的預測設備，其特徵在於，時間序列預測模塊包括加權係數判斷模塊用於判斷所述具有多樣性的預測器組的加權係數aj是否為零； 預測器組處理模塊用於將加權係數為…=0的若干所述若干具有多樣性的預測器的輸出結果捨棄，並截獲加權係數為…Φ 0的具有多樣性的預測器組進行逐個標識^NZ少=Σ Λ(Χ)，其中=aJ' J = ！『…，Lnz，NZ表示非零個數。
10.一種時間序列預測系統，其特徵在於，包括權利要求7-9任一項所述的時間序列預測設備。
全文摘要
本發明實施例公開了一種時間序列預測方法、設備和方法，其中方法包括訓練獲取的時間序列數據得到訓練數據集；利用所述訓練數據集訓練選定預測器組生成具有多樣性的預測器組；提取稀疏信號重構優化函數並求解所述具有多樣性的預測器組的加權係數；截獲加權係數非零的預測器進行時間序列數據預測。本發明實施例將具有多樣性的預測器組的加權係數作為稀疏信號進行重構並求解相應優化函數，所得出的加權係數由於具有稀疏性，利用上述得出的加權係數為非零的預測器進行時間序列數據預測校驗，由於所用預測器組的數量精簡從而加速了校驗過程，且預測準確性得到了提高。
文檔編號G06F19/00GK102495944SQ20111035634
公開日2012年6月13日 申請日期2011年11月11日 優先權日2011年11月11日
發明者何書萍, 周偉達, 張莉, 李凡長, 楊季文, 王邦軍 申請人:蘇州大學