多变量时间序列相关论文
随着各种传感器的硬件技术的高速发展,尤其是多传感器技术,相关器件可以记录并存储大量的数据信息,多传感器记录的时序数据通常都......
时间序列早期分类问题是当前数据分析领域热门研究方向之一,通过分析部分可观测的时间序列信息,在保证分类准确率的同时,尽早的给......
时间序列预测作为一种根据已有的历史信息对事物的未来走向进行预测的手段,为决策的制定和采取提供了参考的可能,也因此越来越成为......
随着高铁规模的发展,现应用的异常检测方法已经不能满足牵引系统的安全需求。近几年,深度学习逐渐应用于异常检测任务,不仅能动态......
时间序列预测是典型的时间序列分析任务,对于辅助决策、资源配置、提前采取止损措施等方面有重要意义,在包括电力、气象、交通、商......
时间序列是对一个系统中的变量按照时间顺序观测,按照单位时间进行记录得到的观测值。根据系统中被观察的变量个数,可以将时间序列......
随着数据采集设备智能化及自动化的不断发展,数据采集更加方便,数据采集的内容更具多样性,数据维度不断增加,采集频次也在不断增强......
针对当前多变量时间序列分类方法未考虑降维处理多变量时间序列,导致多变量时间序列分类精度较低,分类时间较长的问题,提出了基于......
时间序列分析是概率统计学中应用性较强的一个分支，在工业自动化、水文、地质和气象等自然领域中有着广泛的应用。但在油田开发领域......
时间序列是一系列观测值的集合,xi(t)[i=1,2……,n，t=1,2……,m],当n=1时,称为单变量时间序列(univariate time series),通常用长度......
本文首先介绍了多变量时间序列间的协整和单方向因果测度理论,然后将有关方法运用于台湾地区GDP和能源消费之间的长期均衡关系以及......
针对当前飞机发动机状态预测过程中,不考虑相关变量状态变化,仅根据单变量历史时间序列对飞机发动机状态预测的问题,提出一种基于......
参考基于最大Lyapunov指数的单变量混沌时间序列预测方法,提出一种通过选取多个邻近重构向量,预测多变量混沌时间序列的局域法.采......
多变量时间序列(Multivariate Time Series,MTS)具有多变量性和高冗余性,使用聚类分析从海量、高维的MTS数据中挖掘有趣模式具有重......
多变量时间序列通常包含缺失值。针对如何利用不完整的信息探索复杂的丢失模式进而修复多变量时间序列的丢失值,提出了连续初始化......
输电线覆冰严重威胁到电网的安全运行,严重的覆冰可能引起导线舞动、绝缘子闪冰、断线、倒塔等事故,造成整个输电网络瘫痪,给整个......
多变量时间序列是一种当今普遍存在的数据形式,如生物医学、气象预报、网络入侵检测和移动对象模拟等。多变量时间序列的分类和聚......
轨道动态检测数据是反映轨道健康状况的一种多变量时间序列数据,对其进行挖掘与分析,有助于研究轨道状况的变化,对进一步的养护维......
时间序列数据的挖掘是一个重要且成熟的研究主题,解决了很多现实问题。多变量时间序列(MTS)在众多领域应用广泛,如何对MTS准确高效......
挖掘多变量时间序列中的有用信息是许多科学应用邻域的一项共同任务,包括网络服务,工业系统,医疗健康,航空航天,金融学,气象学,生......
多变量时间序列(MTS:multivariate time series)分类是根据已知MTS提取特征或者训练模型将未知的MTS标记上已知标签的过程,该工作......
时间序列是指按时间排序的一组观察值集合,并广泛应用于金融、医疗等众多领域,同时时间序列也存在维数高、规模大、结构复杂和噪声......
多变量时间序列数据在日常生活中分布广泛,并且多变量时间序列预测的重要性日益显现,在交通、金融、能源等众多领域中持续得到广泛......
时间序列异常检测在数据挖掘领域具有重要地位,且受关注程度越来越高.近年来,异常检测领域取得了较大进步,目前的方法更多利用循环......
首先构造出人工神经网络非线性时序模型 ,然后用该模型进行单变量和多变量时间序列预报研究。为了与传统的随机水文模型对比 ,选择......
冲击地压是矿井生产中最严重的白然灾害之一。本文在小数据量法的基础上,推导了计算含噪多变量时序最大Lyapunov指数的非线性最小......
内蒙古河套灌区土壤盐碱化问题已经严重影响了灌区的农业可持续发展，地下水位较高是造成土壤盐碱化的主要因素。本文根据河套灌......
本文首先介绍了多变量时间序列间的协整和单方向因果测度理论,然后将有关方法运用于台湾地区GDP和能源消费之间的长期均衡关系以及......
利用1951～1999年气候预测中常用的环流特征量因子，与郑州冬季温度的关系进行相关普查、筛选，在此基础上，用递推最小二乘法进行模型参数......
网络是世界物质存在的基本形态,是描述与刻画复杂系统的有力工具。真实系统具有本质的时变特性,系统的结构与功能往往随时间而变化......
在现实问题中，复杂系统随处可见，通常，复杂系统都涉及许多变量，例如气候系统。在现实情形，由于这些系统的结构非常错综复杂，所能得到的信......
时间序列数值预测是数据挖掘中的一项重要技术,常用于产品销量预期、金融价格预估、设备故障预判等场景.传统的时间序列分析方法虽......
为提高电力推进船舶电力负荷预测精度,提出电力推进船舶电力负荷的多变量混沌局部预测.将相空间重构由单变量时间序列拓展到多变量......
在非线性动力系统中,邻域预测法已经很广泛地应用于单变量时间序列,本文将这些方法,特别是COM法和LL法,推广应用于多变量时间序列.......
根据单变量时间序列计算最大Lyapunov指数的算法思想,本文提出了一种于多变量时间序列最大Lyapunov指数计算的方法.针对原有算法需......
集成学习是分类多变量时间序列的有效方法。然而集成学习对基分类器性能要求较高,基分类器组合算法优劣对分类效果影响较大。为此,......
在自动控制回路的运行过程中,阀门可能会出现粘滞,导致回路发生振荡,控制性能下降。针对阀门粘滞检测问题,提出一种基于全卷积网络......
首先分别由开盘价、最低价、最高价和收盘价序列经小波变换得到在大尺度上的各自逼近序列,并由这些逼近序列进行相空间重构,得到各......
目前时间序列半监督分类研究主要集中在单变量时间序列,由于多变量时间序列(MTS)变量之间存在复杂关系, MTS的半监督分类研究比较......
探讨了多变量时间序列模式挖掘在中医药临床疗效评价中的作用，在“十五”课题所取得的数据基础上，构建多变量疗效矩阵，用Frobenius范......
针对现有经典的时序数据相似性度量方法共同主成分分析（CPCA)和二维奇异值分解（2DSVD)中存在无法保存时序数据集合中蕴涵的某些重要......
Generic reconstruction technology based on RST for multivariate time series of complex process indus
In order to effectively analyse the multivariate time series data of complex process,a generic reconstruction technology......
为提高短期负荷预测的精度，提出了多变量混沌时间序列正则化回归局域预测方法。选取对负荷影响程度最大的实感温度因素，构建了多变量......
为了提高时间序列的异常检测算法的精度,根据主成分的累积贡献率选择序列及其主成分,在k_近邻局部离群点检测算法中采用加权Euclid......
