专利名称：一种时间序列预测方法、设备和系统的制作方法
技术领域：
本发明涉及数据预测技术领域，更具体地说，涉及一种时间序列预测方法、设备和方法。
背景技术：
时间序列预测法是基于与时间顺序相关联的有序观测数据集，利用随机过程理论和数理统计学方法，研究所述数据集所遵从的统计规律，从而推测数据发展趋势指导解决实际问题。所述时间序列预测法已广泛应用到工业、地址、生态、经济、气象、医学等领域。
现有技术中针对时间序列预测使用较多的是工具是基于机器学习算法的神经网络、决策树和支持向量机方法等预测器，为了取得更好的时间序列预测效果，往往将多个相同或不同的预测器进行融合，即选择预测器并赋予多样性，以及将多个预测器的输出结果进行融合。
然而现有的该种预测器融合的方式至少存在如下缺点
由于多个预测器的输出结果进行融合时需利用平均加权法、最小二乘法加权法以及线性规划系数加权法等，所述平均加权法和最小二乘加权法是对所有的预测器分配预设权值，而对预测器数据校验时，需要逐个校验预测器无疑使得校验过程缓慢，而线性规划系数加权法虽校验过程相对快速，但时间序列预测准确度并不理想。发明内容
有鉴于此，本发明提供一种时间序列预测方法、设备和系统，以实现时间序列预测校验过程快速，且预测准确度提高的目的。
一种时间序列预测方法，包括
训练获取的时间序列数据得到训练数据集；
利用所述训练数据集训练选定预测器组生成具有多样性的预测器组；
提取稀疏信号重构优化函数并求解所述具有多样性的预测器组的加权系数；
截获加权系数非零的预测器进行时间序列数据预测。
为了完善上述方案，所述训练获取的时间序列数据得到训练数据集具体为
设定所述时间序列数据为X(k)，k= 1，…，t_l，其中t为当前时刻，嵌入维数为 d，预测步长为τ ；
按照预设规则进行时间序列数据训练后，得到的训练数据集为
权利要求
1.一种时间序列预测方法，其特征在于，包括 训练获取的时间序列数据得到训练数据集；利用所述训练数据集训练选定预测器组生成具有多样性的预测器组； 提取稀疏信号重构优化函数并求解所述具有多样性的预测器组的加权系数； 截获加权系数非零的预测器进行时间序列数据预测。
2.如权利要求1所述的预测方法，其特征在于，训练获取的时间序列数据得到训练数据集具体为设定所述时间序列数据为X(k)，k= 1，…，t-1，其中t为当前时刻，嵌入维数为d，预测步长为τ ；按照预设规则进行时间序列数据训练后，得到的训练数据集为
3.如权利要求1所述的预测方法，其特征在于，提取稀疏信号重构优化函数并求解所述具有多样性的预测器组的加权系数具体为将针对所述具有多样性的预测器组的加权系数作为稀疏信号代入稀疏信号重构优化函数
4.如权利要求3所述的预测方法，其特征在于，所述截获加权系数非零的预测器具体为判断所述具有多样性的预测器组的加权系数…是否为零；将加权系数为…=0的若干所述若干具有多样性的预测器的输出结果舍弃，并截获Lnz加权系数为…Φ 0的具有多样性的预测器组进行逐个标识
5.如权利要求4所述的预测方法，其特征在于，所述进行时间序列数据预测具体为 步骤A 令m = 1，输入校验样本为
6.如权利要求1所述的预测方法，其特征在于，所述预测器组具体为神经网络、决策树和支持向量机的自由组合。
7.一种时间序列预测设备，其特征在于，包括预处理模块，用于训练获取的时间序列数据得到训练数据集； 预测器训练模块，用于利用所述训练数据集训练选定预测器组生成具有多样性的预测器组；预测器加权系数计算模块，用于提取稀疏信号重构优化函数并求解所述具有多样性的预测器组的加权系数；时间序列预测模块，用于截获加权系数非零的预测器进行时间序列数据预测。
8.如权利要求7所述的预测设备，其特征在于，还包括稀疏信号重构优化函数模块，用于将针对所述具有多样性的预测器组的加权系数作为系数信号代入稀疏信号重构优化函数。
9.如权利要求8所述的预测设备，其特征在于，时间序列预测模块包括加权系数判断模块用于判断所述具有多样性的预测器组的加权系数aj是否为零； 预测器组处理模块用于将加权系数为…=0的若干所述若干具有多样性的预测器的输出结果舍弃，并截获加权系数为…Φ 0的具有多样性的预测器组进行逐个标识^NZ少=Σ Λ(Χ)，其中=aJ' J = ！‘…，Lnz，NZ表示非零个数。
10.一种时间序列预测系统，其特征在于，包括权利要求7-9任一项所述的时间序列预测设备。
全文摘要
本发明实施例公开了一种时间序列预测方法、设备和方法，其中方法包括训练获取的时间序列数据得到训练数据集；利用所述训练数据集训练选定预测器组生成具有多样性的预测器组；提取稀疏信号重构优化函数并求解所述具有多样性的预测器组的加权系数；截获加权系数非零的预测器进行时间序列数据预测。本发明实施例将具有多样性的预测器组的加权系数作为稀疏信号进行重构并求解相应优化函数，所得出的加权系数由于具有稀疏性，利用上述得出的加权系数为非零的预测器进行时间序列数据预测校验，由于所用预测器组的数量精简从而加速了校验过程，且预测准确性得到了提高。
文档编号G06F19/00GK102495944SQ20111035634
公开日2012年6月13日 申请日期2011年11月11日 优先权日2011年11月11日
发明者何书萍, 周伟达, 张莉, 李凡长, 杨季文, 王邦军 申请人:苏州大学