时间序列数据的模式发现及预测方法的研究.pdf

!旦型!鱼旦翌苎塑生兰型!!垫 堕塑壁型墼塑塑堡塞垄里墨塑塑查鎏堡壅 摘要 数据挖掘(Data Mining)是人工智能领域和数据库领域相结合的热点研究课题，其 目标是在数据库中提取隐含的、先前未知的、潜在有用的知识。 时间序列数据反映了属性值在时间顺序上的特征。现实世界中大量数据的采集与时 间相关，数据具有时间上的关联性。因此，时间序列的知识发现是数据挖掘中的一类非 常重要的问题。利用时间序列的数据挖掘，可以获得数据中蕴含的与时间相关的有用信 息，实现知识的提取。在许多实际应用中，研究时间序列局部特征的变化并识别表示重 大事件发生的局部模式很有意义，比如在股市数据中识别出和股票价格骤然变化相关的 模式非常重要，模式的正确识别有助于对数据趋势的分析和对未知事件的预测。因此从 时间序列数据中挖掘时序模式并根据这些模式进行预测，是一个具有十分重要的理论与 实践意义的课题。 本文全面和深入的探讨了时间序列数据挖掘问题：讨论了该领域的研究现状、最新 技术和进展，研究了时间序列的模式匹配、规则发现、事件检测和预测问题，分析了现 有的一些算法并在此基础上提出了新的解决问题的方法。具