两级回归的流式大数据事件自适应预警方法

摘要

流式数据事件具有时间持续性,受采集器频率及外部环境干扰等因素影响,流式数据具有规模大、数据漂移等特征,且事件发生具有随机性特点,导致现有流式数据事件预警方法准确性很低,且在事件完全结束前无法得出判识结果,预警具有滞后性.针对这些问题提出一种两级回归的流式大数据事件自适应预警方法.该方法首先基于海量历史灾害事件,引入一级移动回归法建立权重支持域,提取事件的数据特征点,通过二级线性回归法建立事件回归模型,并对模型进行最小二乘误差分析建立事件置信域,构成预警模型;基于事件预警模型提出判识因子概念,提出流式数据事件分阶预警方法,通过判识因子自适应变换策略对事件未来发展趋势进行预估计,实现事件的实时预警.实验结果表明,该方法对比现有方法在事件预警实时性、预警效率及预警准确性等方面均具有很大优势.