Multiscale time series prediction多尺度时间序列预测.pdfVIP

多尺度时间序列预测 中文摘要 时间序列预测在许多知识领域已经成为热门研究课题，比如经济学、气象学、人 口统计学、生物学等。由于时间序列预测可以应用于真实世界各种各样的问题中，其 预测技术不断发展变化着。这些技术大致经历了三个阶段：第一阶段为传统的统计方 法，第二阶段为人工智能方法，第三阶段为前两阶段方法结合起来的混合方法。本文 在充分研究现有时间序列预测方法的基础上，提出一种新的时间序列预测方法。新方 法将计算机视觉领域的尺度空间思想应用于时间序列预测问题，并结合小波多分辨率 特性与曲率表示窗口形状技术来预测未来时间序列，主要包括两个方面的研究： 1) 研究时间序列的未来数值预测。依据时间序列未来数值与先前时间序列数值的相 关性提取时间序列特征模型；并根据尺度空间思想及小波多分辨率特性来获取时 间序列多尺度数据；然后使用曲率表示窗口形状方法检索相似窗口；最后在多尺 度下，根据时间序列特征模型对时间序列数值进行预测。 2) 研究时间序列趋势预测。本文所研究的趋势预测主要包括满足一定条件下的突升 趋势和突降趋势预测。首先依据给定条件搜索出历史数据中的突升趋势和突降趋 势，以此获取时间序列匹配窗口；并按照 1)中的方法对时间序列数据进行多尺度 化与相似窗口检索；最后应用特定的时间序列特征模型进行趋势预测。 时间序列窗口大小及最相似窗口数都影响着预测结果的优劣。本文基于对数值试 验结果的分析和研究，配置合理参数模型。在股指及 Mackey-Glass 时间序列的仿真 实验中，时间序列数值与趋势预测结果都表明了所提方法的可行性，并且多尺度下比 单尺度下实验结果要好。 关键词：时间序列，形状匹配，相似窗口，尺度空间，趋势预测 作 者：侯效永 指导老师：钟宝江 I Multi-Scale Prediction of Time Series Abstract Time series prediction is a popular research topic in many different areas, such as economy, meteorology, demography, biology and so on. Since the problem is related to various practical problems in the world, various prediction techniques have been continuously proposed and improved. This progress has roughly experienced three stages. Traditional statistical techniques are proposed in the first stage. Artificial intelligence techniques are introduced in the second stage. Hybrid techniques which integrate the previous two kinds of techniques are investigated in the third stage. In this paper a new hybrid technique for time series prediction is proposed. In th