時(shí)間序列數(shù)據(jù)挖掘方法研究.pdf

1、本文的主要研究?jī)?nèi)容如下。1、本文針對(duì)時(shí)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(jìn)行時(shí)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(shí)序數(shù)據(jù)相似性分析算法。2、針對(duì)時(shí)序數(shù)據(jù)的規(guī)則挖掘，介紹了基于聚類的時(shí)序數(shù)據(jù)規(guī)則挖掘的方法，然后介紹了時(shí)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(shí)序數(shù)據(jù)基于時(shí)間采樣點(diǎn)的總體規(guī)則挖掘思想和方法。3、深入地研究了時(shí)序數(shù)據(jù)的

2、趨勢(shì)挖掘，針對(duì)工業(yè)企業(yè)的短期負(fù)荷預(yù)測(cè)，介紹兩種時(shí)序數(shù)據(jù)趨勢(shì)性挖掘方法。第一部分介紹了一種改進(jìn)的基于ARMA模型的時(shí)序數(shù)據(jù)趨勢(shì)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(shí)序數(shù)據(jù)趨勢(shì)性挖掘方法。在本章中還重點(diǎn)闡述了基于誤差修正以提高預(yù)測(cè)精度的思想和方法。4、本文對(duì)時(shí)序數(shù)據(jù)的離群挖掘進(jìn)行了深入的研究，提出了一種基于動(dòng)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(jìn)地將時(shí)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)