预测按照时间顺序的数值组的演变的信息系统技术方案

本发明专利技术涉及存储于计算机（Ｏ）存储器（Ｈ）中按照时间顺序的数值组（Ｊ）的演变的预测信息系统，可生成拓扑结构，其借助基于各种算法的分析器（Ａ）被可视化（Ｖ）。拓扑结构包括一个以回归为基础的曲线密集网络，其中用于预测的特征图形可被突显。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一个辅助预测的信息系统。技术背景这样一个系统可被看作具有一个关于一组按照时间顺序的数值 的拓朴结构，它可预测该组所述数值以后怎样添加新数值。目前，简单的信息系统不能可靠地预测 一组按照时间顺序的数值 的发展。
技术实现思路
此处推荐的系统可借助毫不昂贵的信息工具高度可信地预测一 组按照时间顺序的数值的发展。本系统包括一台计算机， 一个显示屏，或其他显示栽体，并可执行在下文详细描述的下列步骤存储一组按照时间顺序的数值(存储器)； 对这组数值运用一种算法(分析器)；生成一幅包括此组按照时间顺序的数值的表示和关于此组数值 的拓朴结构的图像(分析器)； 显示所述图像(显示器)； 检查拓朴结构的特征图形；根据所述结构的分析，预测此组按照时间顺序的数值的发展。 本系统还包括一种通过此组按照时间顺序的数值的假定演化的 辅助预测过程。附图说明图1，以图表的形式示意表示系统结构。O、 J、 H、 A、 V、 U、 PA和P分别代表计算机，按照时间顺序的数值組，存储器，分析器， 显示器，用户，辅助预测过程和预测。图2表示根据以曲线C的形式所示的此組数值的线性回归为基 础，构造四条曲线C1、 C2、 C3和C4。图3表示以线性回归为基础的曲线网。图4表示借助辅助预测过程延展的拓朴结构。具体实施方式按照时间顺序的数值组J被加载入一台计算机O的中央存储器 H中或来自一个存储载体的其中一个存储单元上，例如一个cd-rom， 或借助流形式下的一种传输。按照时间顺序的数值组的数值被所述算 法用于建立一个构成所述数值组拓朴结构的密集曲线网。下文定义的算法使用众所周知的数学工具，它是D次(或阶) 回归。此算法可^f吏用以下任何一个D次回归-零次回归，或称为平均；-l次回归，众所周知称为线性回归； -2次回归，众所周知称为二次回归； -大于2次的D次回归为了简化算法的书写，我们将在线性回归的例子中加以描述，但 并不局限于此。为了建立关于M数值的按照时间顺序的组的N条曲线的网络并 且其终止于横坐标x。，应该执行以下算法No.l,其中-xo是按照时间顺序的数值组的最后横坐标(最近的那一个)； -M是直到横坐标x。的按照时间顺序的数值组的个数； -N是代表在取得的曲线网络中所需曲线数量的参数； -ih是集合{ni，…，nk，…，nN}的第一项，换而言之是用于可构 建网络曲线d的回归的数值个数；-nN 是集合{ ih， "" nk，…，nN}的最后项，换而言之是用于可构建计算时最终的网络曲线Qv的回归的数值个数； -a是一个参数；-nk由列入附件中的代数式[l〗给出的。代数式[1用于计算nk，其四舍五入值表示次序k的每一线性回 归所用的连续数值的个数("主要参数，，)。在代数式中，m, nN和a 预先根据下文细述的标准Q选择。算法No.l循环l:对于S-1至N -通过代数式[ll计算ns; -p=ns的四舍五入整数值； 循环2:对于j-O至M-p画确定线性回归函数y=aj+J5jX的系数oij和pP该函数适用 于横坐标x+p+1至x.j的p个数值的集合； -存储回归直线终点，坐标(x-j， (Xj+PjX—j); 供选择的，若〗>0，已经可生成一个线段，例如一条直线段， 连接当前迭代终点(坐标Xl-j， o^+pw Xl.j)和前一迭代的终 点(x-j, aj十PjX.j); - 当j=M-p,则返回至循环1; -当s=N,则算法结束。 算法No.l包括一个回归计算器(计算每一个回归且有时生成线 段)和一个控制器，其借助代数式[1确定这些回归。算法No.l提供一个曲线网络(非连续的，若选择循环2中的选 项则是连续的)，该曲线网络构成一个拓朴结构，其中对预测有用的 特征图形得以突显。曲线可借助不同的颜色被可视化。下文描述的图2，作为例子给出，可用来更好地理解算法No.l。 被编号的横坐标1、 2、 3、 4和5分别表示横坐标x_M+p(1)， X-M+p(2)， X-M+p(3)，X-M+p,每一曲线(Cl、 C2、 C3、 C4)的第一点，和数值组的第一值X.MM的横坐标。基于线性回归，例如，其中N-150, n尸6， nN=2500和a=12且 足够大的数值个数M (M大于iiN加上所示横坐标数)的曲线网的显 示可便于观察下列三类特征图形-弦；-包络线；-折边(ourlet)。弦是曲线的典型集中反映，其从网络曲线的不甚紧密的背景中突出。包络线描绘网络中的曲线组的极限。 折边同时是弦和包络线。在拓朴结构中特征图形的存在由以下标准Q保证I. 曲线网应该密集，换而言之网络中曲线数量N应足够大。实 际中，这个数字应大于约20。为了很好地突显图形，该数字应该，理 想状况下，大于100。II. 主要参数值nk的集合应达到一个足够大的范围{ni，…，nN}。III. 数值的分布使得相应网络自代表数组的曲线始到CN为止 平均都有一个均匀的密度。我们将看到在实际中a大约等于n2-ni。在实际中，当集合的数值緩慢且均匀增长时满足第三标准。此 外，我们可以稍许调整密度，例如从而可以增加主要参数的小数值区 中的网的密度。在算法No.l中使用的代数式可利用更为充分的精确 度确定集合的数值，也包括我们需要调整密度的情况。它的有效条件 是nN國ih > (N-l) a该算法可通过利用一个主要参数数值的预定义集合，例如(6、 18、 30、 42、 55、…、2415、 2436、 2457、 2479、 2500}被简化。算法No.l可被写成另一个式子只要它能够导致构建关于M个数值的按照时间顺序的数值组的N个曲线的网络。例如，循环2中的 重复可在按照时间顺序的组的数值的横坐标指标递增方向完成。在此 情况下，将跳过算法No.2，下文有述。通过存储算法NO.I中的点(X-j+￡, (Xj+pjX卄)时，其中￡是一个正整数而不是终点(x_j， aj+pjX-j),我们得到向右稍微延伸的移位的 曲线的网络，当使用任意一个D次回归时，算法No.l中的线性回归线段被一 条回归曲线替换，其表示为 形式。D次回归曲线的计算同样是非常熟悉的数学运算。当连续横坐标等距时该算法中的线性回归的计算更为简单。 算法No.l ^使用线性回归的原因如下-已观察得出基于平均的曲线网络，在通常情况下，不生成特征图形；-基于二次回归和高于2的D次回归的曲线网络要求明显更大的 计算能力。下文描述的图3，作为非限制性例子给出，可使得更好地理解该系统。在表示基于线性回归的曲线网络的图3中，我们看到特征图形包 括弦la、 lb、 lc、 ld，包络线2a、 2b、 2c, 4斤边3a、 3b和讦、表以连 续曲线形式表示的数组4的数值的曲线。我们通过表示数值的曲线指出作为非限制性例子的以下表示之-表示按照时间顺序的组的数值的点的集合； -通过用直线段连接组中的邻近点而取得的连续曲线； -代表分散的组中各数值的点的集合。按照时间顺序的数值组的演变的预测基于对在足够大的横坐标 范围上定义的、包括集合弦、包络线、折边和表示按照时间顺序的数 值组的曲线的集合进行的检查。为了使这一范围被看作足够宽，只要 拓朴结构的一个对应部分在网络的上部包括一个表示极大值的周边特征图形并且在网络的下本文档来自技高网...

【技术保护点】
一种用于辅助预测的信息系统，包括一个用于存储横坐标为（ｘ↓［－Ｍ＋１］，ｘ↓［－Ｍ＋２］，…，ｘ↓［－１］，ｘ↓［０］）的Ｍ个数值的具有时间顺序的组的存储器，和一个用于执行对所述按照时间顺序的组的处理以便洞察趋势的分析器，其特征在于分析器包括：　　　　－一个回归计算器，能够在按照时间顺序的数值组的指定长度一部分上执行选定的Ｄ次回归，Ｄ至少等于１，同时记下该回归的一特定点，该回归随着移位按照时间顺序的数值组中的所述部分而不断重复，并且这些连续回归提供的点共同构成一条曲线，　　　　－一个控制器，能够重复地调用回归计算器，并按照序列（ｐ↓［１］，ｐ↓［２］，…，ｐ↓［Ｎ］）改变移位部分的长度，　　　　－序列（ｐ↓［１］，ｐ↓［２］，…，ｐ↓［Ｎ］）的分布使得相应的网络包括至少约２０条曲线并且平均都具有均匀的密度。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：瓦利查拉，
申请(专利权)人：瓦利查拉，
类型：发明
国别省市：FR[法国]