【摘 要】
：
时间序列模型运用数据信息开展系统状态的预测与分析,在工业、经济和医疗等诸多领域取得了广泛的应用。随着建模数据规模和复杂程度的日益加剧,人们希望时间序列模型不仅能够预测未来时刻的信息,还能提供考察对象在某一时间段内的变化趋势,进而对模型结果提供一定的语义解释。本文将使用信息粒化技术探讨时间序列数据的粒度表示、区间时间序列的建模和预测结果的评估等内容,主要工作包括:首先,运用信息粒化技术将时间序列数据
论文部分内容阅读
时间序列模型运用数据信息开展系统状态的预测与分析,在工业、经济和医疗等诸多领域取得了广泛的应用。随着建模数据规模和复杂程度的日益加剧,人们希望时间序列模型不仅能够预测未来时刻的信息,还能提供考察对象在某一时间段内的变化趋势,进而对模型结果提供一定的语义解释。本文将使用信息粒化技术探讨时间序列数据的粒度表示、区间时间序列的建模和预测结果的评估等内容,主要工作包括:首先,运用信息粒化技术将时间序列数据构造为粒度数据,针对不同时间尺度建立重构的区间值时间序列模型,并通过粒度准则对区间数据进行信息度量。其次,提出一种基于补偿策略的区间时间序列预测方法,借助函数系数自回归模型开展区间时间序列的预测,利用遗传算法对函数项系数进行辨识,进而使用宽度神经网络对误差序列进行模拟,通过构建补偿序列进一步提升模型对区间数据的预测精度。在此基础上,运用组合预测策略开展区间时间序列的建模。利用模糊C均值聚类确定模型的子区域和阈值参数,从而建立分段阈值自回归子模型实现时间序列的初始预测,并利用最小二乘方法对参数进行求解,使用增量学习结构的宽度学习系统对误差序列进行动态补偿,进而设计变权重分段补偿模型对误差序列进行修正。同时,通过信息粒度准则对预测区间进行信息度量,为预测结果提供相应的语义解释。论文对不同类型的数据集进行了数值仿真,结果表明本文设计的补偿预测方法和组合预测方法均能有效拟合区间值时间序列。最后,本文将提出的方法用于尿毒症患者透析治疗过程的心血管指标预测,并开发了相应的信息管理系统,该系统具有数据管理、预处理、数据预测、结果统计与评估等功能,为进行尿毒症患者的诊疗数据管理与量化分析提供了技术支持。
其他文献
类风湿性关节炎是一种慢性和进行性自身免疫性疾病,其病理特征是整个身体多个关节出现对称性肿胀和疼痛。它的大多数临床表现是关节炎症,它是所有慢性炎症性关节疾病中最常见的,并影响大多数成年人。基于类风湿性关节炎的发病机理以及相关的分子细胞和病理生理学研究,发现脾酪氨酸激酶（SYK）在类风湿性关节炎的发病机理中起着非常重要的作用。SYK（Spleen tyrosine kinase）全称是脾酪氨酸激酶,是
桥式起重机广泛应用于厂房内的物料搬运,其中钢包起重机用于钢铁冶炼车间内钢包的起吊、搬运,完成钢铁的冶炼流程。钢包起重机利用吊钩勾住钢包耳轴完成作业,由于钢铁冶炼车间封闭、光线较暗、粉尘多,吊车司机和地面指挥人员的视野有限,若起重机在起吊前,没有及时发现吊钩未在钢包耳轴上就位,则会引起钢包倾覆,引发事故。因此,设计钢包吊钩安全监测系统,对钢铁冶炼车间的安全生产具有重要的意义。为解决以上问题,基于钢包
关键词识别旨在检测音频流中预定义的关键词,它在智能终端、服务机器人、人机交互等领域具有广泛应用。近年来,人们将神经网络用于关键词识别,进一步提高了识别效果,但它们通常有数十万个参数,这在嵌入式系统中难以应用。为了压缩网络模型,可以通过修剪、量化等技术来实现,但往往以牺牲识别精度为代价。由此可见,尽管深度神经网络方法取得了成功,但以较少的参数实现高精度的关键字识别任务仍具有挑战性。因此,本文研究了一
船舶等海洋工程结构物长期服役于海洋环境中,工作环境复杂恶劣,船舶在运转期间的安全问题始终是关注的热点。结构健康监测技术（Structural Health Monitoring,SHM）能够在结构服役期间监测结构运行状态,在结构发生损伤的早期识别损伤的存在,能够节省大量人力、物力资源,避免重大的经济财产损失。因此,近年来船舶等海洋工程结构健康监测技术得到了众多学者的研究。结构损伤识别层次是结构健康
近年来,海洋环境保护、资源的开发利用等需求越来越高,水下无线传感器网络作为探索和利用海洋的关键技术之一,也成为了一个研究热点。而水下传感器网络节点的位置信息是网络能够有效工作的关键之一。水下环境由于水流等因素比陆地环境更为复杂,且由于射频信号在水下传输衰减过大,不能用于水下信息的中长距离传输,只能考虑水声,因此,陆地无线传感器网络的技术不能直接应用于水下传感器网络。水下节点定位的主要问题:一是节点
图像匹配通过特征检测和描述,寻找不同图像的相同区域,从而完成识别、配准和检索等任务。本文主要针对无人机视觉导航任务,传统图像匹配方法SIFT在困难条件下（如图像模糊）匹配性能不足等问题开展研究。考虑到基于卷积神经网络（CNN）的学习型描述子具有更大的描述区域以及对困难条件的强适应能力,与SIFT手工设计描述子性能互补。本文基于传统和深度特征相结合的SIFT-HardNet方法,针对SIFT-Har
非聚焦模糊区域检测是为了检测图像中非聚焦模糊区域和聚焦清晰区域,是一种像素级任务,在自动聚焦、图像恢复等计算机视觉领域有着广泛的应用。近年来,深度卷积神经网络在非聚焦模糊检测任务中展示出了强大的特征提取能力,取得了很大的进展。然而,大多数基于卷积神经网络的方法总是依赖于昂贵的像素级标签。为了降低标签成本,本文提出利用框级标签完成像素级的非聚焦模糊检测任务。框级标签能够提供非聚焦区域大致位置的线索,
深层抗滑稳定分析是重力坝抗震计算中的一项重要内容,采用有限元方法进行深层抗滑稳定计算需要在计算模型中预先设置滑动面,当重力坝坝基深层存在多个缓倾角和软弱结构面时,不仅整个有限元模型建模和网格剖分将面对较大的困难,而且会面临局部单元质量降低的问题。本文提出了一种基于BP神经网络的重力坝深层抗滑稳定有限元分析方法。该方法无需在有限元计算模型中设置滑动面,结合BP神经网络算法根据坝基深层空间应力关系拟合
六足机器人作为一类高冗余、多自由度的足式机器人,在适应性、可靠性、运动性能等方面具有其他类型机器人无法比拟的优势,但是过于复杂的非线性结构为六足机器人运动控制与步态规划研究带来了挑战。为了保证六足机器人运动控制的准确性,提高六足机器人环境适应能力,进而实现六足机器人完全自主行走,六足机器人的步态规划与控制问题成为近十年来足式机器人研究领域的关键问题。本文首先对六足机器人国内外研究现状进行了分析,从
移动通信和互联网技术的普及给人们通信生活带来极大便利的同时,也使得通信隐私问题越来越受关注,以隐蔽安全通信为目的的信息隐藏技术研究也越来越多,作为其对抗技术,信息隐藏分析技术的研究也愈受重视。随着近年来深度学习与图像信息隐藏分析技术的结合,信息隐藏分析检测性能越来越好,但目前深度信息隐藏分析模型研究主要集中于数据匹配条件下性能提升,本文面向数据源失配场景和模型效率提升,进行了以下方面的研究:在空域