[发明专利]基于SAX表示法的时序数据对数周期幂律预测方法

摘要

本发明公开了一种基于SAX表示法的时序数据对数周期幂律预测方法，通过将SAX表示法引入网络的训练过程，降低训练数据的复杂度，缩短每次训练所需的时间，提高构建模型的效率；并且以对数周期幂律模型构建时序的趋势模型，提取时序数据中周期性的趋势特征，使模型能够精确地把握时序的运动规律，从而使得应用价值更高；本发明有效解决了现有BP神经网络训练效率低下的问题，适用于高维海量时序数据的预测分析。

主权项

1.一种基于SAX表示法的时序数据对数周期幂律预测方法，其特征在于，包括：对对数周期幂律模型LPPL公式进行参数简化，得到所述LPPL公式简化后的LPPL公式；对所述非线性参数进行拟合，将拟合结果代入所述LPPL公式，作为所述时序数据趋势模型；将已标准化的残差序列进行降维表示，转换为长度为w的降维残差序列；利用标准正态分布的概率密度函数，将所述降维残差序列中的值按预设规则进行划分，得到趋势模型残差的SAX表示序列；将所述趋势模型残差的SAX表示序列作为BP神经网络的输入数据，构建基于SAX表示法的残差神经网络，并根据所述趋势模型残差的SAX表示序列计算残差预测序列；融合所述时序数据趋势预测序列与所述残差预测序列，得到最终预测序列。