一種基於因素間相關關係識別的預測方法
2023-05-03 21:38:51 1
一種基於因素間相關關係識別的預測方法
【專利摘要】本發明公開了一種基於因素間相關關係識別的預測方法，包括以下步驟：獲取因素樣本數據，將因素指標值存入數據表中，構建樣本序列；兩兩因素指標值序列計算相關性時，對於因素指標值樣本長度不一致的，取短截長，對於樣本中存在缺失的情況，則刪除缺失項和與之對應的另一因素指標樣本值；計算因素間相關關係：基於距離相關性，計算因素指標值的距離協方差和方差，得到距離相關相關係數；採用相關關係排序算法對因素間距離相關係數進行排序，最終給出因素間的相關性，識別因素間複雜相關關係；依據因素間相關關係的排序，選定與其他因素相關性強的因素，通過監測該因素的指標值來預測與之關聯性強的其他因素指標的變化。
【專利說明】一種基於因素間相關關係識別的預測方法
【技術領域】
[0001] 本發明涉及信息處理【技術領域】，特別涉及一種基於因素間相關關係識別的預測方 法。
【背景技術】
[0002] 隨著雲計算、物聯網技術的發展，多種先進技術和傳感器大量應用於數據採集中， 這使得數據來源豐富且多樣，且數據類型繁多。在信息量如此龐大的背景下，如何從容量 大且種類繁多的不確定數據中獲取價值，識別因素間存在的相關關係，是當前所有行業所 面臨的問題。
[0003] 然而面對當前大數據，傳統的人工神經網絡、專家系統、模糊集理論等因素分析解 析模型和智能算法因受限於複雜模型建模以及模型本身存在的誤差問題，或者模型本身不 具有一般性，難以在大量數據中識別關鍵因素，解釋複雜機理並做出準確預測，進而可能造 成誤判或者漏判。而現有的相關關係分析法中，皮爾遜相關係數只能分析線性的相關關係， 最大相關係數法和距離相關法雖可以分析線性和非線性的相關關係，但在大量噪聲的影響 下，最大相關係數法分析的結果反而不如皮爾遜相關係數法，相比之下，距離相關性對於變 量間相關關係的衡量更為準確。因此本發明基於距離相關性識別因素間的線性和非線性關 系，發現隱藏的因素，提高預測的準確性，為決策提供更為科學的依據。
[0004] 本申請解決的技術問題在於依據相關性識別出數據樣本間存在的隱藏的關係，通 過相關性來分析一個現象，進而進行預測。相關關係強是指當一個數據值增加時，另一個數 據值很有可能也會隨之增加。比如谷歌流感趨勢：在一個特定的地理位置，越多的人通過谷 歌搜索特定的詞條，該地區就有更多的人患了流感。
【發明內容】
[0005] 為解決現有技術存在的不足，本發明公開了一種基於因素間相關關係識別的預測 方法，基於距離相關性，自動識別因素間複雜相關關係的方法，能夠有效分析大數據因素間 存在的隱含的相關關係，提高預測的準確性，為決策者提供決策的依據。
[0006] 為實現上述目的，本發明的具體方案如下：
[0007] -種基於因素間相關關係識別的預測方法，包括以下步驟：
[0008] 步驟一：獲取因素樣本數據，將因素指標值存入數據表中，構建樣本序列；
[0009] 步驟二：兩兩因素指標值序列計算相關性時，對於因素指標值樣本長度不一致 的，取短截長，對於樣本中存在缺失的情況，則刪除缺失項和與之對應的另一因素指標樣本 值；
[0010] 步驟三：計算因素間相關關係：基於距離相關性，計算因素指標值的距離協方差 和方差，根據相關係數定義
【權利要求】
1. 一種基於因素間相關關係識別的預測方法，包括以下步驟： 步驟一：獲取因素樣本數據，將因素指標值存入數據表中，構建樣本序列； 步驟二：兩兩因素指標值序列計算相關性時，對於因素指標值樣本長度不一致的，取短 截長，對於樣本中存在缺失的情況，則刪除缺失項和與之對應的另一因素指標樣本值； 步驟三：計算因素間相關關係：基於距離相關性，計算因素指標值的距離協方差和方 差，根據相關係數定義dCGr(XY) = 得到距離相關相關係數; 步驟四：採用相關關係排序算法對因素間距離相關係數進行排序，最終給出因素間的 相關性，識別因素間複雜相關關係； 步驟五：依據因素間相關關係的排序，選定與其他因素相關性強的因素，通過監測該因 素的指標值來預測與之關聯性強的其他因素指標的變化，其中當a<X<b時，即可預測c <y<d，a、b、c、d均為實數，X為事件A的表徵因素指標，y可為事件B的表徵因素指標。
2. 如權利要求1所述的一種基於因素間相關關係識別的預測方法，其特徵是，所述的 樣本序列包含時間序列和非時間序列，且為數值化的數據，針對時間序列可直接計算因素 與因素間的相關關係；針對非時間序列，需確定要目標因素，計算目標因素與其他因素間的 相關關係。
3. 如權利要求1所述的一種基於因素間相關關係識別的預測方法，其特徵是，所述相 關關係排序算法是指將計算所得的所有變量間相關係數從大到小依次排列，將一組無序的 序列調整成有序的序列，進而得到因素間相關性強弱的排列序列。
4. 如權利要求1所述的一種基於因素間相關關係識別的預測方法，其特徵是，距離相 關性用於計算相關係數，具體包括： SI:計算樣本內部各元素的歐式距離：aj,k=IIxj-XkII，其中XjXk為樣本因素，j，k= 1，2^"11，由3^構成距離矩陣； S2:計算距離矩陣行平均值及距離矩陣列平均值，並利用Sl中計算所得的歐式距離計 算單個因素樣本內部的雙中心距離：Ay5 = 3*+a>，其中％:表示第j行樣本均值， 表示第k行樣本均值，SJ樣本均值的距離矩陣； S3:利用S2中計算所得的雙中心距離計算兩因素樣本間的距離協方差，單個因素樣本 的距離方差； S4:利用S3中計算所得的距離協方差和距離方差計算兩兩因素樣本間距離相關係數。
5. 如權利要求4所述的一種基於因素間相關關係識別的預測方法，其特徵是，距離相 關相關係數為
其中，X、Y為樣本集中任意對因素指標，dCov(X，Y)表示因素指標間的距離協方差，dVar(X)dVar(Y)表示因素指標的協方差。
【文檔編號】G06F19/00GK104239722SQ201410479908
【公開日】2014年12月24日 申請日期:2014年9月18日 優先權日:2014年9月18日
【發明者】於大洋, 李亞錦 申請人:山東大學