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......
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......
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......
该文运用非线性动力学分析方法研究多变量时间序列的非线性特性,并给出了一种多变量时间序列的非线性检验方法,经过有效性检验后用......
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......
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.......
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......
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......
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......
提出基于张量多线性PCA的多变量时间序列模式匹配方法,通过张量多线性PCA对多变量时间序列进行低维重构并获得其模式表示,然后利用......
针对多变量时间序列异常检测问题进行研究,提出基于改进ADPP的多变量时间序列异常检测算法IADPP.IADPP算法引入适用于多变量时间序......
考虑到冲击地压的混沌特征及其监测数据含噪且长度有限,基于多变量时间序列重构和GRNN模型来预测冲击地压监测变量。给出了多变量......
在小数据量法的基础上,采用非线性最小二乘法估算含噪声多变量混沌时间序列的最大Lyapunov指数（λ1）.首先介绍了小数据量法求解λ1的......
利用灰色关联度分析影响光伏发电量的关键气象环境因子，结合光伏电站历史数据，基于CAR模型建立了短期光伏发电量预测模型．以华中科技......
提出了一种基于多变量时间序列(MTS)及向量自回归(VAR)机器学习模型的水驱油藏产量预测方法,并进行了实例应用。该方法在井网分析......
在非线性动力系统中，单变量应用于预测已进行了大量研究，在讨论多个变量间依赖性的基础上，将其应用于预测，并对小波神经网络和主成分分......
在Rosenstein等人研究工作的基础上，提出了一种计算多变量混沌时间序列最大Lyapunov指数的改进的小数据量算法。以Ikeda映射、Henon......
Copula模型是对整个联合分布建模，因此可以提供更多有用信息，特别是可以捕捉到非正态、非对称分布的尾部信息。是一种能用来处理相对......
提供了一种基于递推合成BP网络的非线性时间序列预测方法，并针对具体实例建立多变量时间序列模型。将其预测结果与灰色预测模型及常......
为提高电力短期负荷预测精度和充分利用混沌短期预测优势,拓展单变量时间序列相空间重构到多变量时间序列中,相空间重构了由历史负......
针对电力短期负荷预测精度较低的问题,在多变量混沌短期负荷预测基础上,选取负荷时间序列和人体舒适度指数时间序列作为变量,分析......
属性选择是一种有效的数据预处理方法。为了移除多变量时间序列属性集中的冗余属性和噪声属性,选择出包含足够原始信息并能提高精......
现有的关于多变量时间序列聚类的研究中所研究的变量规模均较少,而现实生活又经常会出现大规模多变量时间序列,因此提出了LS-Clust......
为了建立适应于洞庭湖区域地下水资源量变化规律的预测模型,在分析洞庭湖区域河川天然径流量、长江三口入水量、城陵矶出水量与地......
属性选择是一种有效的数据预处理方法，可同时保留多变量时间序列重要变量的时序关系及其实际物理意义．针对很多实际数据无类别信息的......
运用地层垒积序列的概念和Logistic混沌序列叠加过程分解模型 ,对岩比参数序列中的弱信号进行提取 ,进一步研究热水沉积作用强度演......
斜坡是一个受到多种因素影响的混沌动力系统,斜坡位移是其内部力学现象的宏观表现,具有很强的不确定性,从而导致难以建立斜坡位移......
针对时序多属性决策问题中的预测量大且时间样本有限的特点,以各决策单元的属性时间序列为样本数据,进行多变量时间序列相空间重构......
为了预测洞庭湖区域地下水资源量的变化趋势,制定应对地下水资源量较低年份的有效措施,通过分析洞庭湖区域河川天然径流量、长江三......
