時間序列數(shù)據(jù)挖掘方法研究.pdf

1、本文的主要研究內(nèi)容如下。1、本文針對時序數(shù)據(jù)的相似性挖掘，首先介紹了相似性以及歐幾里德距離空間的基本概念和目前使用較為廣泛的利用離散傅立葉變換進行時序數(shù)據(jù)相似性數(shù)據(jù)挖掘的基本方法。然后提出了一種基于標(biāo)準(zhǔn)面積差的時序數(shù)據(jù)相似性分析算法。2、針對時序數(shù)據(jù)的規(guī)則挖掘，介紹了基于聚類的時序數(shù)據(jù)規(guī)則挖掘的方法，然后介紹了時序數(shù)據(jù)的周期性規(guī)則挖掘方法。最后提出了一種研究時序數(shù)據(jù)基于時間采樣點的總體規(guī)則挖掘思想和方法。3、深入地研究了時序數(shù)據(jù)的

2、趨勢挖掘，針對工業(yè)企業(yè)的短期負(fù)荷預(yù)測，介紹兩種時序數(shù)據(jù)趨勢性挖掘方法。第一部分介紹了一種改進的基于ARMA模型的時序數(shù)據(jù)趨勢性挖掘方法；第二部分介紹了基于BP人工神經(jīng)網(wǎng)絡(luò)的時序數(shù)據(jù)趨勢性挖掘方法。在本章中還重點闡述了基于誤差修正以提高預(yù)測精度的思想和方法。4、本文對時序數(shù)據(jù)的離群挖掘進行了深入的研究，提出了一種基于動態(tài)分層主成分分離思想的離群數(shù)據(jù)挖掘算法。它可以通過分層的方式漸進地將時序數(shù)據(jù)中的主成分分離出去，最后得到序列中的離群數(shù)據(jù)