用遗传算法对时间序列进行异常点挖掘

摘要

本文介绍了如何利用遗传算法对ARMA序列中可加性异常点(AO)和革新型异常点(IO)进行探测，并将此方法推广到ARMAx序列。遗传算法是人们模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法，它可以对多个异常点模式同时进行比较，所以该方法可以很好地解决异常点探测中极有可能出现的淹没和掩蔽问题。本文利用AO和IO与逆自相关系数之间的关系以简化适应度函数，使其可以利用Trench算法进行快速计算。对于数据量很大的序列，采用交叉分段挖掘法，即将序列分为几段使其前后两段子序列有交叉重叠的部分。这样既很好地解决了个体总数s过大而带来的一系列问题，又可以避免丢失恰好处于分段点附近的异常点。

目录

文摘

英文文摘

声明

第一章引言

第二章异常点与异常点模型

§2.1异常点的本质

§2.2时间序列中的异常点模型及其分类

§2.2.1 ARMA序列中的异常点模型及其分类

§2.2.2 ARMAX序列中的异常点模型

第三章用遗传算法对时间序列进行异常点探测

§3.1遗传算法

§3.1.1编码方案和初始化

§3.1.2适应度函数

§3.1.3选择

§3.1.4交叉和变异

§3.1.5算法过程

§3.2遗传算法的应用

§3.2.1时间序列性质介绍

§3.2.2个体设置

§3.2.3适应度函数设置

§3.2.4参数设置

§3.2.5交叉分段挖掘法

§3.3 ARMAX序列中异常点的探测

第四章模拟研究和实际数据分析

§4.1模拟研究

§4.2实际数据分析

第五章结论及进一步有待研究的问题

§5.1结论

§5.2进一步有待研究的问题

附录

致谢

参考文献