基于异常序列剔除的多变量时间序列结构化预测

张仕光李源毛文涛蒋梦雪

河南师范大学;

摘要：

针对传统多变量时间序列预测方法未考虑变量间依赖关系从而影响预测效果的问题,提出了一种基于异常序列剔除的多变量时间序列预测算法.该算法旨在利用多维支持向量回归机(Multi-dimensional support vector regression,M-SVR)内在的结构化输出特性,对选取到具有相似性的多个变量序列进行联合预测.首先,对已知序列进行基于模糊熵的层次聚类,实现对相似序列的初步划分;其次,求出类中所有序列的主曲线,根据序列到主曲线的距离计算各个序列的异常因子,从而进一步剔除聚类结果中的异常序列;最后,将选取到的相似变量序列作为输入,利用M-SVR进行预测.通过理论分析,证明本文算法在理论上存…展开v

关键词：时间序列聚类、主曲线、异常序列、多维支持向量回归机

所属期刊栏目：44

资助基金：国家自然科学基金U1204609;中国博士后科学基金2016T90944;河南省高校科技创新人才资助计划15HASTIT022;河南省高校青年骨干教师资助计划2014GGJS-046;河南师范大学优秀青年科学基金14YQ007;河南省高等学校重点科研项目16A520015

在线出版日期：2018-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：619-634