基于OnlinE-VAR的時間序列數據流預測.pdf

1、最近幾年，在傳感器領域、電子信息領域中，數據量每天以很大的規(guī)模增長，其中科學界可以從這些大規(guī)模的數據量中提取很多有用的信息，并用這些信息智能決策很多問題。怎樣從獲得的源源不斷的非平穩(wěn)的數據流中發(fā)現有價值的內容，這是科學界人員應該孜孜不倦的探索，不斷找尋的新取向。
　　本文特別針對時間序列數據流預測方法進行了探索。基于滑動窗口技術和研究非線性、非平穩(wěn)數據的EMD方法，Online-VAR方法應運而生?？偨Y出采納這種方法預測時間序列數

2、據流的通用模型，針對各種應用領域的時間序列數據流預測，該模型均提供了相應的解決方案。怎么樣把連續(xù)大量的數據轉化成一次性處理的固定數據是時間序列數據流預測的關鍵問題。就數據流的連續(xù)性問題，本文應用滑動窗口技術建模原始數據流，這樣在應用程序中僅聚焦滑動窗口內數據的變化，本文采用for循環(huán)實現滑動窗口技術;抓取某個時間段產生的滑動窗口中的數據，利用VAR方法進行數據分析，達到預測目的。本文使用了EMD方法，并且采用并行處理的思想，即當滑動窗口

3、中有過量的數據時，那就需要把這些數據進行分段再處理。具體方法是應用EMD分解每段數據，把得到每段數據的IMF分量合在一起，并且將剩余部分也合在一起，分別形成聯(lián)合IMF和聯(lián)合剩余信號。然后EMD分解聯(lián)合IMF，把這回分解得到的剩余信號加到聯(lián)合剩余信號內，把聯(lián)合剩余信號當作新的信號繼續(xù)進行以上的過程，直到最終獲得的聯(lián)合剩余信號不能再進行EMD分解為止，以此大大加快了算法處理的效率。Online-VAR方法分解的準確性更強，速度更快，并且能夠