[发明专利]一种时序数据集的预处理方法及其应用

权利要求书

1.一种时序数据集的预处理方法，其特征在于，包括以下步骤：

S1、获取时序变化的原始数据集；

S2、对步骤S1中得到的原始数据集进行小波分解，得到低频数组和高频数组；

S3：采用K-means算法对步骤S2中得到的高频数组中的异常数值进行识别及处理，得到处理后的数据集；完成对时序数据集的预处理。

2.根据权利要求1所述的时序数据集的预处理方法，其特征在于，步骤S1中，所述原始数据集中至少包括2个因素变量。

3.根据权利要求1所述的时序数据集的预处理方法，其特征在于，步骤S2中，所述小波分解的函数包括haar小波、dbN小波、symN小波、coifN小波、biorN小波中的至少一种，N为分解的层数，N≥2。

4.根据权利要求3所述的时序数据集的预处理方法，其特征在于，dbN小波的函数公式为：

其中：a＞0，为伸缩因子；v为平移因子；R为实数积分域；f(t)为分析信号函数；Ψa,v(t)称为基本小波。

5.根据权利要求3所述的时序数据集的预处理方法，其特征在于，所述高频数组至少有3组。

6.根据权利要求1或5所述的时序数据集的预处理方法，其特征在于，步骤S3中，K-means算法的步骤为：确定要生成的簇的数目K，在原始数据集D＝{X₁，X₂，...，X_m}中随机选取K个对象作为初始聚类的质心Z_j，接着计算每个数据X_i与K个质心间的欧式距，并将各数据划分至其所距最近质心的所在簇，得到K个簇C_j，然后逐步计算新簇质心，重复上述步骤，直到聚类准则函数收敛，所述聚类准则函数为：其中，j＝1，2，3，...，K；i＝1，2，...，m；K∈N^*，m∈N^*。

7.根据权利要求6所述的时序数据集的预处理方法，其特征在于，步骤S3中，对异常数值的处理方法包括直接删除、插值修正、不处理中的至少一种。

8.根据权利要求7所述的时序数据集的预处理方法，其特征在于，对处理后的数据集进行重构，得到预处理后的时序数据集。

9.一种权利要求1～8任一项所述的时序数据集的预处理方法在气体监测数据中的应用。