基于时间序列模型的分析预测算法的设计与实现

北京邮电大学硕士学位论文基于时间序列模型的分析预测算法的设计与实现姓名：阎坤申请学位级别：硕士专业：软件工程指导教师：刘知青20080515基于时间序列模型的分析预测算法的设计与实现作者：阎坤学位授予单位：北京邮电大学相似文献(10条)1.学位论文王勇基于时序模型的广域阻尼控制器时滞补偿算法研究2005随着WAMS平台工程应用中的逐渐成熟，实现基于WAMS的广域阻尼控制成为可能。但在实际开发中存在着广域阻尼控制器的时滞问题。论文讨论了时滞产生的原因及其对广域阻尼控制器性能产生的影响，介绍了时间序列模型及基于其的时滞补偿算法研究，包括模型结构的选择、参数在线估计算法、基于最小方差原理的自适应预测算法。并讨论了多步预测的改进算法以及为了提高精度而设计的一种由灰色模型和AR模型组合的模型。通过对南方电网实测数据的MATLAB仿真实验研究，得到基于各种模型的预测结果，经过对性能指标的比较研究，得到了比较理想的时滞补偿算法及效果。2.会议论文回春立.崔莉无线传感器网络中基于预测的能量优化方法及其验证2007在无线传感器网络中,数据融合技术可以被用来节省能量。本文基于监测数据的时间序列模型以及时间序列预测,提出了一种适用于无线传感器网络的基于预测的时域数据融合方法。本文以部署于故宫博物院的环境监测网络采集的温度数据为样本,通过仿真以及实验对该方法进行了分析与验证。仿真结果表明,自回归预测算法与其它预测算法相比,具有更好的适用性,当误差阈值为0.05℃时,节能收益为68％。实验结果表明,使用自回归预测算法,当误差阈值为0.10℃时,网络寿命延长58％。3.学位论文李雪数据挖掘技术在高速公路运营管理核心系统中的应用研究2008随着经济发展和交流的日益频繁，高速公路交通流量逐年递增。实时对车流信息进行监控、预测交通流量的峰值对可能出现的通行高峰提前预警，是快速解决城市高速公路出入口拥挤的主要方法。目前，在高速公路车流量预测的研究中，时间序列、多元回归等都是较为常用的理论工具。由于此类模型只利用了交通流系统本身的历史数据，没有考虑其他任何影响因素(如没考虑相邻路段的影响)，在现实预测中，其结果与实际值间往往存在明显的时间延迟。本文利用数据挖掘技术，建立了高速公路车流量预测系统。该系统可为高速公路各等级路段提供车流量预测的手段。文章首先对收费业务数据进行分析，讨论了车流量数据预处理的相关技术。通过消除噪声数据、补全缺失数据等数据技术，得到高质量的数据。并根据车流量数据可能存在的误差情况，建立了以时间序列模型为基础的神经网络预测模型：先将非平稳的数据序列通过时间序列模型进行平稳化处理，再将生成的平稳时间序列模型作为神经网络的输入端进行预测分析，以提高在短期车流量预测中达到更高的预测精度。最后，以八达岭高速公路的实际数据进行分析，通过对几种常用预测算法的对比，验证笔者提出预测模型的精确性。4.学位论文回春立无线传感器网络数据融合研究2007随着无线通信技术以及电子技术的飞速发展,低成本、低功耗以及多功能的传感器节点应运而生,每个传感器节点具有感知、存储、数据处理以及无线通信的能力.多个传感器节点的集合构成了无线传感器网络(wirelesssensornetworks),传感器节点之间以adhoe的方式相互连接.无线传感器网络的应用前景十分广阔,能够广泛应用于军事、环境监测、医疗健康、交通管理以及商业应用等领域.数据融合(dataaggregation)是无线传感器网络中重要的研究领域之一.在无线传感器网络中,数据融合的作用主要体现在节省能量、提高数据收集效率、增强数据准确性以及获取综合性信息等几个方面.数据融合的出现使无线传感器网络的研究焦点从以地址为中心的方法扩展到以数据为中心的方法.本文首先介绍当前无线传感器网络中具有代表性的三类数据融合算法,包括基于分布式数据库的聚集操作,数据包合并以及模型驱动的数据融合.在每一类算法中,列举一些典型的数据融合的方法,并对这些方法进行分析与比较.能量是无线传感器网络中重要的资源,而数据融合的主要作用是节省能量.因此,建立传感器节点的能量模型,量化分析数据融合对于传感器节点能量的影响以及对于无线传感器网络寿命的影响是十分必要的.本文基于树形网络拓扑结构,结合节点休眠调度机制,建立传感器节点的能量模型,通过仿真从能量的角度对典型数据融合算法进行性能评价.在上述工作的基础上,本文基于监测数据的时间序列模型以及时间序列预测,提出适用于无线传感器网络的基于预测的时域数据融合技术,从而对无线传感器网络进行能量优化.本文以部署于故宫博物院的环境监测网络采集的温度数据为样本,通过仿真以及实验对该方法进行验证与分析.仿真结果表明,自回归预测算法与其它预测算法相比,具有更好的适用性,当误差阈值为0.05℃时,节能收益为68﹪.实验结果表明,使用自回归预测算法,当误差阈值为0.10℃时,网络寿命延长58﹪.无线传感器网络是面向应用的,环境监测是无线传感器网络中一类典型的应用场景.本文最后介绍故宫博物院古书画研究中心环境监测网络的研发以及部署情况,通过实际应用揭示数据融合在无线传感器网络中的重要意义.5.学位论文胡申敏IP网流量模型的研究与应用2006面对IP网发展的新要求和新问题，国内外研究人员对服务质量(QoS)、流量控制、拥塞控制以及网络的性能评估进行了大量研究。其中建立一个能准确描述网络流量(Traffic)的模型是所有这些研究工作的基础。本文总结了几类主要的网络流量模型，对其中具有代表性的ARMA和FARIMA模型进行了详细的分析，并且指出这两种模型存在的问题。在此基础上，本文提出了一种结合分数差分过程和模糊自回归模型的混合模型(Diff-FuzzyAR)，同时提出了基于这种模型的网络流量预测算法。ARMA和FARIMA模型是两种常用来对网络流量进行建模的时间序列模型。其中FARIMA模型可以同时描述时间序列中的长相关性和短相关性，比较符合网络流量的实际情况。本文对ARMA和FARIMA模型进行了分析，发现它们存在着共同的问题：(1)对网络流量中非平稳的时间序列分量的处理能力有限；(2)无法处理非线性的时间序列分量；(3)建模过程结构复杂，往往需要进行近似计算。基于这样的分析，本文提出了一种结合了分数差分过程和模糊自回归模型的混合模型——Diff-FuzzyAR混合模型。这个混合模型通过分数差分过程的d参数来描述网络流量中的长相关结构，使用模糊自回归模型来描述差分后的短相关数据。因此，Diff-FuzzyAR混合模型完全继承了FARIMA模型的优势。由于模糊自回归模型是一种非线性映射，所以它又能很好地描述网络流量中的平稳、非平稳、线性和非线性的分量。同时，这种模型的建模过程是一种线性寻优的过程，结构简单，便于计算机辅助实现。本文的另一项主要的工作是提出了基于Diff-FuzzyAR混合模型的网络流量预测算法。其主要步骤包括：分数差分，模糊预测和分数积分。为了说明Diff-FuzzyAR混合模型的有效性和优越性，本文采用实际的网络流量数据对预测算法进行验证。仿真结果和对比实验均表明相对于传统的模型，Diff-FuzzyAR混合模型更加符合网络流量的实际情况，能更好地对网络流量进行预测。6.期刊论文臧利林.贾磊.杨立才.刘涛.ZANGLi-lin.JIALei.YANGLi-cai.LIUTao交通流实时预测的混沌时间序列模型-中国公路学报2007,20(6)针对城市交通流普遍存在的混沌特性,介绍了一种改进的加权一阶局域预测模型,并将其应用于交通流实时预测中.为了进一步提高算法的精度与速度,对最优邻域的点数进行动态选择,通过改进,使之成为一种鲁棒性强、预测精度高的实时预测算法,并能有效地用于短时交通流的预测问题中.仿真结果表明:该算法完全满足实时交通流预测的需要,为交通信号智能控制和交通流诱导奠定了坚实的基础.7.学位论文廖志坚基于历史运行轨迹的时间约束参数预测的研究2007随着计算机网络技术的飞速发展和网络应用的普及，基于分布式应用的实时系统越来越普遍。为了高效管理系统资源，以满足实时系统的实时性和可预测性要求，我们需要对实时任务的时间约束参数进行预测。时间约束参数说明了实时任务的定时约束和行为，其中预测实时任务执行时间非常重要，意义重大。对实时任务执行时间的预测是实时系统研究领域中的一个重要内容，任务调度和资源分配跟实时任务的执行时间紧密相关并受其影响。线性时间序列作为一种概率统计方法，已经被运用到各个领域中，对于预测对象随时间变化的历史数据，时间序列分析预测方法是系统预测最基本的方法。本文正是应用时间序列分析预测方法，通过主机负载的历史运行轨迹来研究实时任务的时间约束参数，从而对基于主机负载的实时任务执行时间进行预测。本文首先介绍了实时系统的概念，时间约束参数的相关术语，主机负载的定义、获取及特性，还介绍了RT-CORBA技术；接着阐述了分析预测方法的分类，详细介绍了时间序列分析预测方法和回归分析预测方法，以及如何对预测方法进行评估；接着分析了实时系统的可预测性，任务执行的可预测性，详细介绍了利用主机负载的历史运行轨迹构建时间序列模型的过程：数据系列预处理、平稳化处理、模型识别、模型定阶、参数估计、预测，并详细分析了影响任务执行时间的因素；然后研究了主机负载与任务执行时间的关系，任务执行时间的预测算法，在ACE/TAO环境下，建立了实验的运行环境，提出了一种基于主机负载的任务执行时间预测系统模型，并给出了预测分析的算法，分析了影响预测的因素；最后，把基于主机负载历史运行轨迹的任务执行时间预测算法在分布式网络环境下进行了实验，对任务实际执行时间与预测时间作了比较。实验结果说明所做工作的正确性，该结果对于基于主机负载的任务执行时间预测具有较好的参考意义。8.学位论文邓志龙基于时间序列分析的城市道路短时交通流预测2004短时交通流预测是道路交通控制系统、交通流诱导系统等领域需要解决的首要问题之一。研究短时交通流预测的理论和方法，从而实现比较准确地预测未来5分钟左右的道路交通流状况，对于缓解城市交通堵塞、避免社会资源浪费有着重要的意义和应用价值。在智能交通系统的大背景下，如何利用丰富的交通检测数据，对未来的交通流状态，特别是对在城市中处于重要地位的快速路的交通状态进行预测，对于最大效率的利用快速路资源，减少出行者时间，减少快速路交通拥挤与交通事故有重要的理论意义和实用价值。时间序列预测方法是预测领域最为成熟的方法。在连续不间断的数据情况下，时间序列方法有比较高的精度。本文基于快速路段上的实时、实测交通流数据，利用时间序列分析法，结合灰色系统理论，对城市快速路段单点的短时交通流预测算法进行了研究。具体包括以下工作:利用快速路实测短时交通流数据，分析了传统时间序列建模法的不足，提出一种改进时间序列建模法。具体改进包括动态数据预处理,AR（p）模型用于短时交通流建模,实时最小二乘算法参数估计。该法提高时间序列建模的适应性，使传统时间序列模型能够用于短时交通流预测。基于灰色系统理论及其预测建模方法，提出了滚动GM(1,1)灰色预测模型用于预测快速短时交通流，该方法较好的预测了短时交通流的相对变化趋势，以便于进一步的精度提高。根据滚动GM(1,1)灰色预测模型的残差序列，采用AR模型残差预测，提出快速路短时交通流多层预测模型，仿真结果表明，预测结果精度较高，泛化（generalization）能力较强。9.学位论文向炳新针对电信行业自适应智能话务预测模型的研究与实现2007随着中国经济的不断繁荣，我国电信业也取得了非凡的业绩，各个电信运营商积累了大量的话务量等数据，且话务数据也具备时间序列的性质，因此可以用时间序列的基本理论和方法，分析这些历史话务数据，找出其变化发展的规律，并建立合理的话务预测模型，实现对未来平时和节假目情况的自适应话务预测。准确合理的预测结果可以作为各个运营商进行网络维护、市场规划等工作的决策基础，故话务预测具有重要的意义。本文研究的电信行业自适应智能话务预测模型及实现，主要内容包含：时间序列基本理论及常