时间序列相似性研究.pdfVIP

时间序列相似性研究 张璐 辽宁工程技术大学理学院，辽宁阜新（123000 ） E-mail:zhanglu85517@ 摘 要：时间序列作为一种数据形式，广泛存在于各种商业、医学、工程、自然科学和社会 科学等数据库中。本文通过对时间序列数据挖掘的概述，引出时间序列相似分析研究方法， 同时在各种相似性定义研究的基础上，说明了欧氏几何距离作为时间序列相似性度量标准的 不足之处，总结出了一种较为统一的时间序列相似性概念体系；并利用股票数据讨论了 DFT(基于正交变换), PAA(基于形态) 两种具有代表性的现代时间序列相似性分析方法，说明 其在预测和数据处理算法复杂度上的应用，同时对基于这两种思路的相似性研究的主要方法 做出综合比较，总结出好的相似性研究方法的共有特征；就算法的准确度，本文提出了基于 PLR 的算法改进。 关键词：时间序列；相似性；分段线性 1．引言 现代的时间序列分析技术主要是从距离、频域、序列变换、序列外形特征提取等几个方 面来对时间序列进行研究。目前，很多研究人员将时间序列相似性定义为高维空间中的距离， 如欧氏几何距离。由于离散傅立叶变换[1] （DFT, Discrete Fourier Transform ）具有保持欧氏几 何距离不变的特点，因而只保留DFT 的头几个系数，就可以实现数据的高度压缩和快速比 较。但DFT 方法平滑了原序列中局部极大值和局部极小值，因而导致许多重要信息的丢失， 而且对非平稳序列也不适用。自从DFT 被Agrawal 最早应用于时序数据相似性搜索后，又 有其他一些论文相继提出了 DFT 的许多扩展和改进方法[6]，但核心思想并没有什么变化。 Chan 等人提出Haar 小波变换方法，试图对DFT 方法进行改进，但类似的问题仍然存在。 Last 等人提出采用关键特征（如斜率和信噪比）表征原序列[9]，Guralnik 等人采用一个字符 表来压缩序列，都得到了高压缩率，但对序列的描述能力有限，因而在其它许多领域都不适 [2] 用。Korn 等人提出的奇异值分解 (SVD)法是一种完全不同的方法，但其计算量相当大，而 且数据动态变化后需要重新计算。Keogh 等人先后又提出的分段累积近似法[3] （PAA, Piecewise Aggregate Approximatio ），分段线性分割（PLR, Piecewise Linear Representation ）， 和适应性分段常数近似法（APCA, Adaptive Piecewise Constant Approximation ）等分段方法， 以及Perng 等人提出的界标模型（Landmark Model ）。与此同时，还有许多相应的其他时间 序列分析方法，这些表示方法或是以上各种方法思路的外延，或是从其他角度试图对时间序 列相似性分析进行研究，这些方法各有所长，为时间序列相似性研究提供了诸多可以借鉴与 参考的方向。本文对已有的现代时间序列相似性研究主要方法作了系统概述，并利用股票数 据分析了基于正交变换的算法与基于形态的算法的优缺点，同时对相似性方法作出了实例应 用，并且就分段线性表示算法的准确度，本文总结并提出了基于PLR 的改进算法。 2 ．基于PLR 算法的改进 2.1 时间序列分段算法 [4] 所有分段算法都需要一种度量来判别如何进行分段计算 ，目前使用最广泛的是三种拟 合误差：(1)累计残差；(2)平均残差；(3)最大偏差。 设S 是长度为L 的时间序列 - 1 - S {y , y ,..., y } (2-1)