基于DTW的长期直觉模糊时间序列预测模型

摘要：

针对现有直觉模糊时间序列模型中直觉模糊关系组和确定性转换规则过度依赖训练数据规模的问题,提出一种基于动态时间弯曲(DTW,dynamic time warping)距离的长期直觉模糊时间序列预测模型.通过直觉模糊C均值(IFCM,intuitionistic fuzzy C mean)聚类构建直觉模糊时间序列片段库,动态更新和维护规则库,减少系统复杂度.提出基于DTW距离的直觉模糊时间序列片段相似度计算方法,有效解决不等长时间序列片段匹配问题.通过对合成数据以及包含不同时间序列模式的气温数据的实验,与其他相关模型比较,说明该模型对于不同时间序列趋势变化模式中均具有较高的预测能力,克服传统模型提高模型只能满足单一模式时间序列预测,提高模型的泛化性能.

关键词：DTW、直觉模糊集合、IFCM聚类、时间序列、预测

所属期刊栏目：37

分类号：TP393.08(计算技术、计算机技术)

资助基金：国家自然科学青年基金资助项目No.61309022The National Natural Science Foundation of China 61309022

在线出版日期：2016-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：95-104