[发明专利]一种时间序列变点检测方法

说明书

本发明公开了一种时间序列变点检测方法。该方法包括步骤有转换图像、差分处理、曲率计算和变点确定，通过把待检测的时间序列数据对应转换为单连通单像素图像，对单连通单像素图像进一步运算得到差分方向码序列，然后差分方向码序列分成多个区间进行曲率计算，得到各个区间对应的区间曲率序列，再由区间曲率序列确定曲率极值点信息，最后再对应得到时间序列数据中的变点信息。本方法能够灵活应对数据的波动以及噪声影响，对于时间序列数据的陡峭或平缓均不敏感，具有较强的鲁棒性，能够应对不同的时间序列数据的变点检测。

技术领域

本发明涉及图像处理领域，尤其涉及一种时间序列变点检测方法。

背景技术

时间序列(Time Series)是指按时间顺序排列的观测数值的有序集合，是一类非常重要的数据对象，广泛存在于金融、经济、气象、工程和社会科学等领域。时间序列分析技术基于概率统计学分析动态数据序列，通过建立时间序列的数学模型可以进一步对时间序列进行趋势分析和预测。

时间序列变点(Change Point)检测是时间序列分析研究中的一个关键问题，宽泛的时间序列变点定义描述如下：观察一个按时间顺序发生的随机过程，探讨在其随机元素的分布或分布参数中是否有某个变化发生，变点就是一个过程的随机性质发生改变的时刻。

目前，时间序列变点检测方法按数据变化趋势的不同可分为以下三类：第一类是基于时间序列均值的变化，即水平变化趋势；第二类是基于方差的变化，即波动趋势；第三类是基于时间序列结构上的变化，即数据形态变化趋势。

第一类和第二类相关的传统时间序列变点检测方法大多基于统计原理，例如最小二乘法、极大似然法、贝叶斯方法，计算过程复杂且很难满足当前时间序列动态更新的特点。

许多研究者基于第三类检测方法提出了时间序列的数据形态变化的变点检测方法，按照算法的思想主要分为以下三种方法：基于滑动窗口、自顶向下、自底向上的时间序列变点检测算法。

现有技术中，第一类和第二类时间序列变点检测方法存在计算过程复杂、无法满足数据动态更新的问题；第三类时间序列变点检测方法依赖阈值参数对时间序列变点的判断，对数据的质量要求高并且容易受到数据噪声影响，适应性较差。

发明内容

本发明主要解决的技术问题是提供一种时间序列变点检测方法，解决现有技术中时间序列变点检测方法计算过程复杂、对数据质量要求高、适应性差的问题。

为解决上述技术问题，本发明采用的一个技术方案是提供一种时间序列变点检测方法，包括以下步骤：转换图像，将待检测的时间序列数据对应转换为时间序列图像，对所述时间序列图像进行处理得到单连通单像素图像；差分处理，对所述单连通单像素图像进行方向码提取得到方向码序列，对所述方向码序列进行差分运算得到差分方向码序列；曲率计算，对所述差分方向码序列分成多个区间进行曲率计算，得到各个区间对应的区间曲率序列；变点确定，由所述区间曲率序列确定曲率极值点信息，然后对应得到时间序列数据中的变点信息。

优选的，在所述转换图像步骤中，将时间序列数据{M₁，M₂，M₃，……，M_N}输入到计算机绘图工具中得到时间序列图像{P₁，P₂，P₃，……，P_N}，所述时间序列图像的横坐标为图像数据的序号，纵坐标为图像数据的数值，并且根据图像数据量的多少设定横坐标中序号的间隔大小，以及根据图像数据的实际取值设定纵坐标的取值范围和纵坐标的间隔大小。