一种基于时间序列分解和时空信息提取的云服务器异常检测模型 被引量：1

1

作者 唐伦 赵禹辰 +1 位作者 薛呈呈 陈前斌 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第6期2638-2646,共9页

异常检测是维护云数据中心性能的一项重要任务。云数据中心中运行着大量的云服务器以实现各种云计算功能。由于云数据中心的性能取决于云服务的正常运行,因此检测和分析云服务器中的异常至关重要。为此,该文提出一种基于时间序列分解和... 异常检测是维护云数据中心性能的一项重要任务。云数据中心中运行着大量的云服务器以实现各种云计算功能。由于云数据中心的性能取决于云服务的正常运行,因此检测和分析云服务器中的异常至关重要。为此,该文提出一种基于时间序列分解和时空信息提取的云服务器异常检测模型。首先,提出带时空信息提取模块的双向Wasserstein生成对抗网络算法(BiWGAN-GTN),该算法在具有梯度惩罚的双向Wasserstein生成对抗网络(BiWGAN-GP)算法的基础上,将生成器与编码器替换为由图卷积网络(GCN)与时间卷积网络(TCN)组成的时空信息提取模块(GTN),实现对数据空时信息的提取;其次,提出半监督BiWGAN-GTN算法来识别多维时间序列中的异常,以在训练过程中避免异常数据侵入的风险并增强模型鲁棒性。最后设计多通道BiWGAN-GTN算法-MCBiWGAN-GTN以实现降低数据复杂度并提升模型学习效率的目标。利用带有自适应噪声完全集合经验模态分解(CEEMDAN)算法将时序数据分解,然后将不同的分量送入对应通道下的BiWGAN-GTN算法中训练。在真实世界云数据中心数据集Clearwater和MBD上采用精确率、召回率和F1分数这3个性能指标验证了该文所提模型的有效性。实验结果表明,MCBiWGAN-GTN在这两个数据集上的性能稳定并优于所比较的方法。 展开更多

关键词 云服务器异常检测 时间序列分解 生成对抗网络 时空信息提取模块

在线阅读 下载PDF 职称材料

基于BFAST时间序列分解与分段建模的混凝土坝多测点变形定量分析方法

2

作者 郭张军 陈容 《水电能源科学》 北大核心 2024年第9期130-133,216,共5页

大坝运行环境复杂,其变形与外部荷载之间往往存在明显的非线性关系。为此,提出一种基于BFAST时间序列分解与分段建模的混凝土坝多测点变形定量分析方法,基于重力坝垂线监测数据,首先使用主成分分析提取多个测点的综合位移;其次使用BFAS... 大坝运行环境复杂,其变形与外部荷载之间往往存在明显的非线性关系。为此,提出一种基于BFAST时间序列分解与分段建模的混凝土坝多测点变形定量分析方法,基于重力坝垂线监测数据,首先使用主成分分析提取多个测点的综合位移;其次使用BFAST时间序列分解方法将综合位移分解为季节性和趋势性两部分;然后通过合理选择改变点,建立分段统计回归模型,分时段量化各环境量对大坝位移的影响;最后通过对安康水电站水平位移规律的分时段定量分析验证了所提方法可行、有效。研究结果为更好地分析大坝变形性态演变历程和定量解释大坝变形机理提供了有力的技术支持。 展开更多

关键词 BFAST 时间序列分解 突变检测 大坝安全监控 主成分分析

在线阅读 下载PDF 职称材料

基于时间序列分解与门控循环单元的地铁换乘客流预测 被引量：17

3

作者 赵建东 朱丹 刘佳欣 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第5期22-31,共10页

为丰富地铁内部换乘客流预测理论,更好地制定地铁运营计划,提出了一种基于时间序列分解方法(STL)与门控循环单元(GRU)的地铁换乘客流预测模型。该模型将预测过程分为3个阶段,第1阶段为原始地铁刷卡数据预处理,采用基于图的深度优先搜索... 为丰富地铁内部换乘客流预测理论,更好地制定地铁运营计划,提出了一种基于时间序列分解方法(STL)与门控循环单元(GRU)的地铁换乘客流预测模型。该模型将预测过程分为3个阶段,第1阶段为原始地铁刷卡数据预处理,采用基于图的深度优先搜索算法识别乘客的出行路径,构建换乘客流时间序列;第2阶段运用STL时间序列分解算法将换乘客流时间序列转化为趋势量、周期量以及余量,并利用3σ原则对余量进行异常值的剔除与填充;第3阶段基于深度学习库Keras,完成GRU模型的搭建、训练及预测。以北京地铁西直门站的换乘客流数据为研究对象,对模型的有效性进行了验证,结果表明:与长短时记忆神经网络(LSTM)、门控循环单元、STL时间序列分解方法与长短时记忆神经网络组合模型(STL-LSTM)相比,STL-GRU组合预测模型可提升工作日(不含周五)、周五、休息日的换乘客流预测精度,预测结果的平均绝对百分比误差至少分别降低了2.3、1.36、6.42个百分点。 展开更多

关键词 城市交通 换乘客流预测 门控循环单元 地铁 时间序列分解 深度学习 预测精度

在线阅读 下载PDF 职称材料

基于时间序列分解的信号挖掘与预测 被引量：2

4

作者 郭锦桥 柳禹名 +1 位作者 曹卫东 林云 《太赫兹科学与电子信息学报》 2023年第6期751-758,共8页

随着电磁信号环境日趋复杂以及通信设备数量的不断增加,电磁信号受到干扰问题逐渐加剧。因此,对于信号在不同噪声环境下的接收与处理技术的研究以及在复杂的电磁环境中对信号各项数据指标及其携带信息的利用十分关键。为了解在不同电磁... 随着电磁信号环境日趋复杂以及通信设备数量的不断增加,电磁信号受到干扰问题逐渐加剧。因此,对于信号在不同噪声环境下的接收与处理技术的研究以及在复杂的电磁环境中对信号各项数据指标及其携带信息的利用十分关键。为了解在不同电磁环境下含噪信号的性能表现,提高信号的利用质量及可靠性,本文提出一种基于时间序列分解的电磁数据处理方法。建立了基于加法季节性时间序列分解的含噪信号处理模型,并利用该模型对信号在有噪环境下的表现与规律性、趋势、误码率等性能进行分析与评估,对原始信息、载波信息进行挖掘预测。与传统方法相比,本文提出的基于时间序列分解的信号挖掘与预测模型在高噪环境下对信号预测更为准确。 展开更多

关键词 时间序列分解 特征提取 数据挖掘 数据预测 机器学习

在线阅读 下载PDF 职称材料

基于售价与销量的销售收入时间序列分解研究 被引量：2

5

作者 徐齐利 《上海商学院学报》 2017年第1期34-41,共8页

鉴于目前对销售收入直接进行时间序列分解时忽视了销售价格与数量的作用,本文将销售价格乘以销售数量等于销售收入这一基本逻辑关系纳入销售收入的时间序列分解中来,将销售收入分解为由销售价格和数量各自的趋势性、周期性、季节性、随... 鉴于目前对销售收入直接进行时间序列分解时忽视了销售价格与数量的作用,本文将销售价格乘以销售数量等于销售收入这一基本逻辑关系纳入销售收入的时间序列分解中来,将销售收入分解为由销售价格和数量各自的趋势性、周期性、季节性、随机性分量双边交叉相乘所得,依次得到销售收入水平绝对量分解式、水平相对量分解式、变动绝对量分解式、变动相对量分解式。并通过案例分析发现,新的销售收入时间序列分解对于厘清企业产品销售收入的业绩构成及其变动,较旧式直接分解更为精细、精准。 展开更多

关键词 销售收入 时间序列分解 趋势性 周期性 季节性

在线阅读 下载PDF 职称材料

基于提升小波变换的多变量长时间序列预测

6

作者 陈旭 张建伟 +1 位作者 王叔洋 景永俊 《河南理工大学学报(自然科学版)》 北大核心 2025年第4期66-73,共8页

目的为解决多变量长时间序列预测模型难以充分利用时间序列时频信息的问题,提出一种基于多级提升小波变换的神经网络模型(multi-level wavelet transform Network,mLWT⁃Net)。方法首先通过提升小波变换从时域和频域角度对时间序列进行... 目的为解决多变量长时间序列预测模型难以充分利用时间序列时频信息的问题,提出一种基于多级提升小波变换的神经网络模型(multi-level wavelet transform Network,mLWT⁃Net)。方法首先通过提升小波变换从时域和频域角度对时间序列进行有效分解,并对分解得到的高频子序列进行自适应滤波;其次利用Elman神经网络提取时间序列的非线性特征,同时通过差分自回归移动平均模型(autoregressive integrated moving average model,ARIMA)捕获时间序列的线性特征;最后将非线性与线性预测结果加权融合,以提高预测的准确性。结果在5个公开真实数据集上实验结果表明,与FEDformer,InParformer,WaveForM等5种主流的长时间序列预测模型相比,mLWTNet在不同预测长度下的MSE和MAE均达到最优。相比次优结果,mLWTNet的平均MSE和MAE分别提升了约7.15%和2.43%。结论通过利用提升小波变换与分层重构预测,能够充分利用时间序列的时频信息,有效提高了时间序列的预测精度。 展开更多

关键词 长时间序列预测 时间序列分解 提升小波变换 自适应滤波 ELMAN神经网络

在线阅读 下载PDF 职称材料

基于小波包分解的AJS-GMDH月径流时间序列预测研究 被引量：13

7

作者 杨琼波 崔东文 《水力发电》 CAS 2022年第6期45-51,共7页

为提高月径流时间序列预测精度,建立基于小波包分解(WPD)、人工水母搜索(AJS)算法、数据分组处理方法(GMDH)的WPD-AJS-GMDH月径流时间序列预测模型。采用WPD将月径流时序数据分解为若干子序列分量;选取6个典型函数在不同维度条件下对AJ... 为提高月径流时间序列预测精度,建立基于小波包分解(WPD)、人工水母搜索(AJS)算法、数据分组处理方法(GMDH)的WPD-AJS-GMDH月径流时间序列预测模型。采用WPD将月径流时序数据分解为若干子序列分量;选取6个典型函数在不同维度条件下对AJS算法进行仿真测试;利用AJS算法优化GMDH网络关键参数,建立WPD-AJS-GMDH模型,并构建基于支持向量机(SVM)、BP神经网络及完全集合经验模态分解(CEEMD)、小波分解(WD)的17种对比分析模型;最后利用云南省龙潭站1952年~2016年780组的月径流时间序列数据对所建立的18种模型进行检验。结果表明,在不同维度条件下,AJS算法均具有较好的寻优效果;WPD-AJS-GMDH模型预测误差均小于其他17种模型;对于月径流时序数据分解,WPD分解效果优于CEEMD、WD方法;AJS算法能有效优化GMDH网络参数,提高预测性能。 展开更多

关键词 月径流预测 时间序列分解 人工水母搜索算法 数据分组处理方法 仿真测试

在线阅读 下载PDF 职称材料

销售收入时间序列在销售价格与销售数量之间的矩阵分解

8

作者 徐齐利 《上海商学院学报》 2017年第3期37-49,共13页

为更好地反映销售价格与销售数量对销售收入的作用特征与规律,本文在将销售收入时间序列在销售价格与销售数量之间的乘法分解基础上,进一步提出矩阵分解。将销售价格乘以销售数量等于销售收入这一基本逻辑关系纳入销售收入的时间序列分... 为更好地反映销售价格与销售数量对销售收入的作用特征与规律,本文在将销售收入时间序列在销售价格与销售数量之间的乘法分解基础上,进一步提出矩阵分解。将销售价格乘以销售数量等于销售收入这一基本逻辑关系纳入销售收入的时间序列分解中来,将销售收入分解为由销售价格和数量各自的趋势性、周期性、季节性、随机性分量双边交叉相乘所得的销售收入,依次得到销售收入与销售价格、销售数量之间在水平绝对量、水平相对量、变动绝对量、变动相对量上的分解矩阵和分解定理,并将该矩阵分解理论与方法在百度公司付诸实践发现,可以设计出一些标准化的报表来集中体现业绩分解结果,以助提高企业业绩分析效果。 展开更多

关键词 销售收入 时间序列分解 趋势性 周期性 季节性

在线阅读 下载PDF 职称材料

融合经验模态分解与改进时域Transformer的网络安全态势预测

9

作者 孙隽丰 李成海 +1 位作者 宋亚飞 倪鹏 《空军工程大学学报》 CSCD 北大核心 2024年第6期104-112,共9页

针对网络安全态势预测任务复杂且真实环境下数据噪声较大等问题,提出一种融合经验模态分解与改进时域Transformer的网络安全态势预测方法,通过“分解-重构”方式使用完全自适应噪声集合经验模态分解方法对真实环境下网络安全态势数据进... 针对网络安全态势预测任务复杂且真实环境下数据噪声较大等问题,提出一种融合经验模态分解与改进时域Transformer的网络安全态势预测方法,通过“分解-重构”方式使用完全自适应噪声集合经验模态分解方法对真实环境下网络安全态势数据进行去噪预处理;提出改进时域Transformer,使用时域Transformer模块提取网络安全态势数据序列的时间深层全局特征,并提出Attention Fusion机制实现时序特征的自适应融合,以更加稳健的特征融合方式完成预测任务。实验结果表明,本文提出的方法相较其他方法在预测精度方面具有显著提高,其拟合优度决定系数达到0.997860,拟合效果较好。 展开更多

关键词 网络安全态势预测 时间序列分解 TRANSFORMER 特征融合 注意力机制

在线阅读 下载PDF 职称材料

洞庭湖区月降雨序列的混沌特性识别及预测研究 被引量：10

10

作者 梁婕 曾光明 +2 位作者 郭生练 徐敏 苏小康 《水电能源科学》 2006年第5期16-19,共4页

基于相空间重构思想,采用最大Laypunov指数法确定洞庭湖区岳阳水文站30 a的月降雨序列具有明显的混沌特性。应用混沌径向基函数神经网络预测月降雨量,预测精度远远低于时间序列分解模型,并表现出高度的无规律性。定量分析了噪声对混沌... 基于相空间重构思想,采用最大Laypunov指数法确定洞庭湖区岳阳水文站30 a的月降雨序列具有明显的混沌特性。应用混沌径向基函数神经网络预测月降雨量,预测精度远远低于时间序列分解模型,并表现出高度的无规律性。定量分析了噪声对混沌预测精度的影响,表明监测误差是影响混沌预测精度的一个重要因素,提高数据精度是提高混沌预测精度的一个有效方法。 展开更多

关键词 月降雨序列 混沌 径向基函数 时间序列分解 噪声 随机

在线阅读 下载PDF 职称材料

ED-Stacking:一种基于集成学习的小样本牛肉微生物生长预测模型构建方法

11

作者 李汉强 陈谊 +3 位作者 高宇飞 侯堃 宋丽萍 李静 《食品工业科技》 北大核心 2025年第6期43-55,共13页

当前技术条件下,微生物检测操作复杂、耗时长,导致了检测结果滞后且其样本数量有限的问题。本文提出了一种基于时间序列分解和集成学习的小样本牛肉微生物生长预测模型ED-Stacking构建方法,以便提前预警食品中的微生物风险。首先应用经... 当前技术条件下,微生物检测操作复杂、耗时长,导致了检测结果滞后且其样本数量有限的问题。本文提出了一种基于时间序列分解和集成学习的小样本牛肉微生物生长预测模型ED-Stacking构建方法,以便提前预警食品中的微生物风险。首先应用经验模态分解(EMD)、离散傅里叶变换(DFT)和加法模型构建时间序列分解方法(EMD-DFT),提取微生物生长时间序列中的趋势、周期和残差特征,为后续预测模型提供训练数据;然后利用这些特征数据对单层线性神经网络(SLN)、极端梯度提升树(XGBoost)和梯度提升回归树(GBRT)进行训练;最后,采用集成学习中的堆叠(Stacking)方法对训练好的三个模型进行融合,形成预测效果更优的微生物生长预测模型ED-Stacking。对比实验结果显示ED-Stacking在MAE和MSE两个指标上分别达到了0.229和0.147,预测误差低于SLN、XGBoost、GBRT、GRU和Transformer五个基线模型,即预测准确性更高。基于该模型对食品品质进行分类,分类的加权平均精准率Weighted-Precision达到98.80%。进而,还构建了一个食品微生物生长预测可视分析系统FMPvis,可以展示预测结果和食品品质分类结果,帮助用户分析各环境因子随时间的变化趋势及其对预测结果的影响程度,从而实现风险分析和预警。本文方法为食品微生物风险预警提供了一种新的思路和方法。 展开更多

关键词 食品安全 微生物生长预测 时间序列分解 集成学习 可视分析

在线阅读 下载PDF 职称材料

基于时序分解的自适应在线学习电力负荷预测算法研究

12

作者 谢小鹏 胡为明 +4 位作者 何基龙 王理 向五济 罗湘 郑洲顺 《数学理论与应用》 2022年第4期93-104,共12页

传统的机器学习方法无法捕捉到电力负荷需求的不确定性以及动态变化规律.本文将最新提出的隐马尔可夫模型在线学习算法应用于电力负荷预测研究,充分提取历史数据中的不确定性特征和动态变化规律,并结合分解算法,更精确利用数据中的动态... 传统的机器学习方法无法捕捉到电力负荷需求的不确定性以及动态变化规律.本文将最新提出的隐马尔可夫模型在线学习算法应用于电力负荷预测研究,充分提取历史数据中的不确定性特征和动态变化规律,并结合分解算法,更精确利用数据中的动态变化特征,从而提高预测精度.算法基于隐马尔可夫概率预测模型,在获得新样本时对模型进行在线更新,适应最新数据;利用STL时序分解算法对负荷数据进行分解,使具有不同不确定性和动态变化规律的分量分离开,再分别使用在线学习算法对不同特征的分量进行预测,构造电力负荷预测组合算法.基于三个公开电力负荷数据集的测试结果表明,相比于单一的在线学习模型,本文提出的组合算法提高了预测精度,预测相对误差最高减少了27%. 展开更多

关键词 负荷预测 时间序列分解 在线学习 组合算法 隐马尔可夫模型

在线阅读 下载PDF 职称材料

基于多模型比选耦合的降水预测 被引量：2

13

作者 武少振 任智慧 +2 位作者 赵雪花 杨默远 桑燕芳 《南水北调与水利科技（中英文）》 CAS CSCD 北大核心 2024年第1期99-109,共11页

变化环境下水文时间序列的模拟预测难度不断加大,以往研究大多聚焦在模型的不同组合尝试与应用探索,但缺乏针对不同组合模型适用性与稳定性的系统研究。选择经验模态分解(empirical mode decomposition,EMD)、总体平均经验模态分解(ense... 变化环境下水文时间序列的模拟预测难度不断加大,以往研究大多聚焦在模型的不同组合尝试与应用探索,但缺乏针对不同组合模型适用性与稳定性的系统研究。选择经验模态分解(empirical mode decomposition,EMD)、总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)、改进的总体平均经验模态分解(modified ensemble empirical mode decomposition,MEEMD)和变分模态分解(variational mode decomposition,VMD)4种常用的分解算法,与多元线性回归(multivariable linear regression,MLR)、随机森林(random forest,RF)、BP神经网络(back propagation,BP)、卷积神经网络(convolutional neural networks,CNN)和长短期记忆神经网络(long short-term memory,LSTM)5种具有代表性的模型结合,构建20种基于“分解-预测-重构”模式的组合模型,并以华北地区密云、官厅两流域年和汛期降水为例,进行模型适用性与稳定性综合对比分析。结果表明:单一模型对密云流域年降水和汛期降水的预测结果优于官厅流域,但整体预测结果均不理想;结合分解算法后的组合模型预测结果明显优于单一模型,且该预测结果存在正负误差抵消现象,因此有助于进一步提高组合模型的整体预测精度;与基于EMD系列的分解算法相比,VMD算法对模型预测精度提升效果最显著,组合模型适用性和稳定性整体上表现为VMD-MLR>VMD-LSTM>VMD-BP>VMD-CNN。 展开更多

关键词 中长期预测 数据驱动模型 组合模型 时间序列分解 非平稳性

在线阅读 下载PDF 职称材料

基于最大重叠离散小波变换和深度学习的光伏功率预测 被引量：1

14

作者 马乐乐 孔小兵 +2 位作者 郭磊 刘源延 刘向杰 《太阳能学报》 EI CAS CSCD 北大核心 2024年第5期576-583,共8页

针对光伏功率时间序列的非平稳特性,提出一种基于最大重叠离散小波变换(MODWT)和长短期记忆网络(LSTM)的光伏功率组合预测模型。利用皮尔逊相关系数确定影响光伏功率的重要气象因素,基于MODWT算法对历史光伏功率序列进行分解,将选取的... 针对光伏功率时间序列的非平稳特性,提出一种基于最大重叠离散小波变换(MODWT)和长短期记忆网络(LSTM)的光伏功率组合预测模型。利用皮尔逊相关系数确定影响光伏功率的重要气象因素,基于MODWT算法对历史光伏功率序列进行分解,将选取的气象因素与分解得到的平稳子序列共同构成各个LSTM网络输入,通过汇总重构每个LSTM网络的子序列预测结果得到最终的光伏功率预测结果。从理论层面分析所建立的MODWT算法的完全重构性,并基于李雅普诺夫稳定性定理推导保证预测网络收敛的学习率范围。仿真对比结果显示,所提出的光伏功率预测模型在预测精度和鲁棒性方面具有明显优势。 展开更多

关键词 光伏功率预测 长短期记忆网络 非平稳时间序列分解 预测网络收敛性

在线阅读 下载PDF 职称材料

基于改进果蝇算法的LSTM在水质预测中的应用 被引量：7

15

作者 郭利进 许瑞伟 《长江科学院院报》 CSCD 北大核心 2023年第8期57-63,共7页

水质环境的实时变化和内部耦合导致难以实现水质高效准确的预测。为挖掘水质时间序列中的更多信息,同时提高预测模型的精度,提出一种溶解氧组合预测模型。首先将水质数据去耦合,进行时间序列分解,然后将分解后趋势分量、周期分量和余项... 水质环境的实时变化和内部耦合导致难以实现水质高效准确的预测。为挖掘水质时间序列中的更多信息,同时提高预测模型的精度,提出一种溶解氧组合预测模型。首先将水质数据去耦合,进行时间序列分解,然后将分解后趋势分量、周期分量和余项分量输入到长短时神经网络模型(LSTM)中进行预测,再针对LSTM网络初始化参数对预测性能的影响提出基于高斯函数的果蝇算法进行优化,最后将各分量的预测值重构为溶解氧浓度的预测值。以海河某3个河流断面的水质数据进行仿真检验,结果表明混合模型对3个站点溶解氧浓度预测效果好,误差小,泛化性强。 展开更多

关键词 水质预测 时间序列分解 果蝇算法 长短时神经网络 溶解氧

在线阅读 下载PDF 职称材料

从上市公司股票趋势角度分析与预测房地产市场周期波动 被引量：3

16

作者 苗毓海 刘志杰 《建筑管理现代化》 2007年第1期5-7,共3页

房地产市场的周期性波动是影响房地产行业景气程度的重要因素。利用主成分分析法建立房地产市场的年度景气综合指数,寻找资本市场中与之高度相关的时间序列进行周期波动分析,在此基础上利用波浪理论对我国的房地产市场的中长期趋势及其... 房地产市场的周期性波动是影响房地产行业景气程度的重要因素。利用主成分分析法建立房地产市场的年度景气综合指数,寻找资本市场中与之高度相关的时间序列进行周期波动分析,在此基础上利用波浪理论对我国的房地产市场的中长期趋势及其拐点作出了预测。 展开更多

关键词 房地产市场 周期波动 主成分分析 时间序列分解 波浪理论

在线阅读 下载PDF 职称材料

一种基于ARIMA模型与3σ准则的取水异常检测方法 被引量：4

17

作者 赵和松 王圆圆 孙爱民 《水利信息化》 2022年第1期35-41,共7页

为提高取水预测数据的准确性,针对现有部分取水数据异常且难以进行人工判别的问题,提出一种基于ARIMA模型与3σ准则的取水异常检测方法。分析每个取水点每年的日取水量的时间序列数据,使用时间序列的ARIMA模型和高斯分布的3σ准则判断... 为提高取水预测数据的准确性,针对现有部分取水数据异常且难以进行人工判别的问题,提出一种基于ARIMA模型与3σ准则的取水异常检测方法。分析每个取水点每年的日取水量的时间序列数据,使用时间序列的ARIMA模型和高斯分布的3σ准则判断日取水量是否为异常值;通过时间序列分解算法分析异常值附近取水点的趋势,判断异常值附近是否存在其他未检测出的异常值,给出异常值的参考修正值。对所提模型在带异常标签的通用时间序列数据集上进行实验,通过评价指标混淆矩阵验证模型可行性,并将模型在真实水利部门取水数据集上进行实验,结果表明:模型可有效检测取水数据中的异常值并修正其值,对取水异常的原因进行分析有助于改进取用水的采集方法,提高取水监测数据的质量。 展开更多

关键词 取水异常检测 机器学习 ARIMA模型 3σ准则 时间序列分解算法

在线阅读 下载PDF 职称材料

新河湖关系下石臼湖水文节律变化及其生态环境效应 被引量：1

18

作者 罗俐雅 童建 +2 位作者 周杰 庞麦田 王勇 《水电能源科学》 北大核心 2023年第11期14-17,共4页

为量化分析长江下游及湖泊水文节律受上游梯级水库开发和三峡工程运用的影响,采用M-K检验、累积距平法、小波相干谱法等水文时间序列趋势分析法和STL等时间序列分解法统计分析了石臼湖蛇山站49年的历史水位资料,解析了石臼湖在新河湖关... 为量化分析长江下游及湖泊水文节律受上游梯级水库开发和三峡工程运用的影响,采用M-K检验、累积距平法、小波相干谱法等水文时间序列趋势分析法和STL等时间序列分解法统计分析了石臼湖蛇山站49年的历史水位资料,解析了石臼湖在新河湖关系下的水文节律的长期变化趋势和规律,探析了水文节律变化和本地气象因子的相干关系和新形势下水文节律变化的生态效应。结果表明,新河湖关系下,枯季更早更长且平均水位更高,极端低水位更易出现,变化更平缓,难以出现高水位;汛期极值高水位更低更晚,汛期平均水位更低,结束更早,变幅更平缓。枯季提前有利于增加水生植物的生物量,但枯季水位变幅减小可能降低枯季生物多样性。 展开更多

关键词 水文节律 生态效应 石臼湖 时间序列分解

在线阅读 下载PDF 职称材料

环境因素影响下基于辛几何谱分析法的结构损伤识别 被引量：3

19

作者 李晓海 李东升 《水利与建筑工程学报》 2016年第3期154-160,176,共8页

为分离出结构振动特征参数改变中环境因素的影响,并通过剩余组分识别结构损伤发生时刻,将一种称为辛几何谱分析法(SGSA)的时间序列分解方法应用于环境因素影响下结构健康监测的振动特征参数识别中。首先介绍了SGSA的理论推导及实现过程... 为分离出结构振动特征参数改变中环境因素的影响,并通过剩余组分识别结构损伤发生时刻,将一种称为辛几何谱分析法(SGSA)的时间序列分解方法应用于环境因素影响下结构健康监测的振动特征参数识别中。首先介绍了SGSA的理论推导及实现过程。其次,采用SGSA法将一个构造的正弦函数分解为独立的具有特定物理意义的叠加组分,说明SGSA方法的有效性,并通过对一组环境温度数据的处理分析,将SGSA与小波变换和经验模态分解(EMD)的处理结果进行比较。最后,对一简支钢梁在温度及损伤共同影响下的一阶频率数据进行处理分析。结果表明:SGSA法能更好地分离出数据中的趋势项成分,并且将SGSA方法用于环境因素影响下的结构损伤识别中,有很好的可行性及有效性。 展开更多

关键词 结构健康监测 环境变量 损伤识别 辛几何谱分析 时间序列分解

在线阅读 下载PDF 职称材料

基于外界影响及时序因素的PM_(2.5)预测研究

20

作者 杨艳梅 程宗毛 《电子科技》 2022年第3期51-57,共7页

随着雾霾问题逐渐加重,对其主成分之一PM_(2.5)的预测已成为广泛关注的问题。PM_(2.5)日浓度变化受多种因素影响,且具有非线性、时变性的特征,难以被准确预测。针对此问题,文中提出一种基于外界影响及时序因素的PM_(2.5)日浓度预测方法... 随着雾霾问题逐渐加重,对其主成分之一PM_(2.5)的预测已成为广泛关注的问题。PM_(2.5)日浓度变化受多种因素影响,且具有非线性、时变性的特征,难以被准确预测。针对此问题,文中提出一种基于外界影响及时序因素的PM_(2.5)日浓度预测方法。该方法分离出PM_(2.5)日浓度的外界主要影响因素与时间因素,建立了基于外界主要影响因素的BP神经网络初步预测模型以及基于时间因素的EEMD-LSTM组合残差修正模型。使用杭州市2014年~2019年间的PM_(2.5)日浓度和其他相关因素数据进行仿真实验。结果表明,相比其他模型,文中所提出预测模型的均方根误差为2.74,预测准确率更高。 展开更多

关键词 雾霾 PM_(2.5) BP EEMD LSTM 时间序列预测 神经网络 时间序列分解 组合预测

在线阅读 下载PDF 职称材料