【技术实现步骤摘要】
基于贝叶斯算法的时间序列数据预测方法
本专利技术涉及一种时间序列数据预测方法，尤其涉及基于贝叶斯算法的时间序列数据预测方法。属于时间序列数据挖掘
技术介绍
时间序列数据指的是按照时间排列的一组数据，大量的时间序列数据会真实的记录事件在不同时刻的重要信息，从时间序列数据当中可以探索不同时刻事件信息之间的关系，进而可以从时间的角度实现对事件的有效预测和控制。时间序列数据挖掘的基本思路为：针对大量的时间序列数据，根据应用的目的，选择合适的挖掘方法，进而从已有的时间序列数据中挖掘其内在隐含的规则，然后再利用这些规则对时间序列数据未来的变化趋势进行预测或描述。应用于时间序列数据预测的传统方法主要包含：简单序时平均数法、移动平均法、加权移动平均法、指数平滑法以及简单移动平均法。贝叶斯算法与上述传统的预测方法有着很大的差异，传统的预测方法只会根据样本信息，利用过去的数据产生常规预测，而贝叶斯算法的基本原理是将模型参数看成服从一定概率分布的随机变量，给出待估参数的先验分布信息，然后利用贝叶斯定理求出待估参数的后验分布，将根...
【技术保护点】
1.一种基于贝叶斯算法的时间序列数据预测方法，该方法包括以下步骤：/nS1，处理原始数据，从中提取实验所需要的数据信息；/nS2，在由两个维度的时间信息形成的二维方格图上对提取的数据当中的事件信息进行统计，并将统计值作为观测值，生成一个包含两种时间信息以及与这两种不同的时间信息所组成的每一个时间点相对应的观测值数据框，即得到时间序列数据；/nS3，与每一个时间点相对应的观测值整体上服从泊松分布，采用rw2d模型模拟时间序列数据的趋势；/nS4，利用贝叶斯算法给出rw2d模型参数的先验分布信息，最后使用集成嵌套拉普拉斯近似算法对rw2d模型参数后验分布进行估算。/n
【技术特征摘要】
1.一种基于贝叶斯算法的时间序列数据预测方法，该方法包括以下步骤：
S1，处理原始数据，从中提取实验所需要的数据信息；
S2，在由两个维度的时间信息形成的二维方格图上对提取的数据当中的事件信息进行统计，并将统计值作为观测值，生成一个包含两种时间信息以及与这两种不同的时间信息所组成的每一个时间点相对应的观测值数据框，即得到时间序列数据；
S3，与每一个时间点相对应的观测值整体上服从泊松分布，采用rw2d模型模拟时间序列数据的趋势；
S4，利用贝叶斯算法给出rw2d模型参数的先验分布信息，最后使用集成嵌套拉普拉斯近似算法对rw2d模型参数后验分布进行估算。
2.根据权利要求1所述的预测方法，其特征在于，所述步骤S2中的数据框表示为:(value,time1,time2)，其中time1和time2代表着不相同维度的时间标签，将time1代表的时刻作为横轴，time2所代表的时刻作为纵轴，构建二维方格图，不同的方格代表着不同的时间点，其中value代表的是与每一个方格相对应的观测值。
3.根据权利要求2所述的预测方法，其特征在于，time1代表小时，time2代表星期；或者time1代表季度，time2代表年份。
4.根据权利要求2所述的预测方法，其特征在于，所述步骤S3中的与每一个时间点相对应的观测值整体上服从泊松分布；泊松分布定义为：
yij～Possion(λij)(1)
λij＝E(yij)(2)
其中，yij代表的是与time1的第i个时刻与time2的第j个时刻所组成的时间点相对应的观测值，λij所代表的是与time1的第i个时刻与time2的第j个时刻所组成的时间点相对应的观测值的均值。
5.根据权利要求2所述的预测方法，其特征在于，所述步骤S3中的rw2d模型，对于某一时间点所对应的事件信息的预测，是在综合与其相邻的上下左右四个时间点的事件信息的基础上进行的，要实现对(time1,time2)时间点...
【专利技术属性】
技术研发人员：曲寒冰，路玲玲，赵传虎，阎刚，于洋，于明，
申请(专利权)人：河北工业大学，北京市新技术应用研究所，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。