水文时间序列趋势分析的研究与应用

摘要

时间序列的数据挖掘研究探讨从大量时间序列数据中发掘有价值信息的算法及实现技术，研究内容包括相似性查询、趋势分析、周期性分析、挖掘时段模式等多方面。时间序列的趋势分析对于研究时间序列的动态变化以及趋势预测具有重要的意义。 水文数据库中存在大量时间序列数据，发现水文时间序列中蕴藏的规律，有利于掌握水文数据变化规律和趋势，在水资源管理和水文预报方面有重要的现实意义。本文在针对时间序列数据挖掘的研究过程中，结合水文专业知识，把时间序列映射到趋势序列，重点研究了基于特征点的时间序列分段，进行线性拟合和趋势提取，利用趋势序列来表达时间序列中的趋势信息。 本文的研究工作包括： (1)对水文时间序列数据进行预处理，包括对数据的统计分析、异常值的剔除、缺失值的填补并分析了预处理对趋势分析的影响； (2)给出了基于特征点的时间序列分段算法，并对分段序列进行线性拟合和误差分析，该方法不受噪声的影响并具有很好的数据压缩能力； (3)阐述了趋势序列、趋势映射和趋势集的相关概念，将时问序列映射到趋势序列，关键是从时间序列中提取出趋势属性； (4)对时间序列进行趋势分析，给出了不同时间粒度下的趋势变化和基于历史同期的趋势预测； (5)结合水文知识，在实时水情数据库上进行数据挖掘的研究，并对实验结果进行了分析和评价。

目录

文摘

英文文摘

声明

第一章绪论

1.1数据挖掘与时间序列概述

1.1.1数据挖掘的定义和过程

1.1.2时间序列传统分析方法

1.2时间序列中的数据挖掘

1.2.1时间序列的相似性度量

1.2.2时间序列中的知识发现

1.2.3时间序列的分段符号化

1.3水文序列趋势分析的研究和意义

1.4本文的主要工作及论文组织

第二章水文时间序列数据预处理

2.1水文时间序列的特点

2.2时间序列数据的净化

2.2.1剔除异常和填补缺失值

2.2.2净化对趋势分析的作用

2.3预处理在水文数据上的应用

2.4本章小结

第三章时间序列的分段线性表示

3.1时间序列的模式表示

3.1.1时域-频域表示方法

3.1.2符号化表示方法

3.1.3动态弯曲距离表示方法

3.2时间序列分段算法及其比较

3.2.1限制分段数算法

3.2.2限制分段误差算法

3.2.3启发式算法

3.3基于特征点的分段算法和实验分析

3.3.1算法主要思想和实现

3.3.2分段序列的线性化表示

3.4本章小结

第四章时间序列中的趋势分析

4.1时间序列的趋势提取

4.1.1时间序列的趋势映射和趋势集

4.1.2时间序列中趋势属性的提取

4.1.2趋势序列的离散化和压缩方法

4.2时间序列的趋势分析方法

4.2.1基于时间粒度的趋势变化

4.2.2基于历史同期的趋势预测

4.3水文序列中的趋势分析实例

4.4本章小结

第五章应用实例

5.1水文实情数据库及SAS系统

5.1.1 SAS系统简介

5.1.2实时水情数据库

5.2算法及流程设计

5.2.1主要算法模块

5.2.2模块流程设计

5.3实验结果分析及评价

5.4本章小结

第六章结束语

6.1研究工作总结

6.2未来工作展望

参考文献

致谢