时间序列挖掘与预测研究

蒲倩

摘 要：时间序列作为一种常用的数据类型，已经在各类数据的分析中得到了广泛使用。在面对这些海量数据时，需要采取新技术筛选出其中有用的数据，数据挖掘技术正是基于这一背景产生的。在数据挖掘技术中，时间序列挖掘是关键技术。本文主要分析时间序列挖掘与预测方式。

关键词：时间序列挖掘；预测；分析

一、时间序列挖掘与预测分析

时间序列模式挖掘作为数据挖掘中最为重要的问题，在现实生活与生产中已经得到了广泛的应用。时间序列即按照时间顺序来获取观测值的方式。在日常生活中，很多数据都是以时间序列出现的，这些数据对于相邻观测值具有依赖性特征，时间序列挖掘与预测模式与依赖性特征有着密切的关系，其研究内容包括相似性搜索、趋势分析、周期模式挖掘、序列模式挖掘等。

1.相似性搜索

相似性搜索即找出数据库中与相关条件相似的数据，在这些序列中，包括子序列匹配与整体序列匹配两种方式。这些序列的应用范围十分广泛，其中，数据变换是核心。数据变换就是从时间域到频率域的分析，一般使用欧式距离来计算，在计算时，需要先确定好变换矩阵，再确定相关计算数据。

在经过DWT以及DFT变化之后，可以使用傅里叶细数来制造出多维索引，再将数据提供给系统，就能够检索出查询序列之间的距离，通过实际距离的查询即可完成后处理工作。在匹配子序列时，将序列分割成为一定长度的片段，每一个片段对应不同的线索，序列可以使用最小边界矩形表示。……