基于隐马尔科夫模型的时空序列预测方法*

柳姣姣，禹素萍，吴 波，姜 华，何风行，李凤荣

(1.东华大学 信息科学与技术学院，上海 201620；2.中国科学院上海高等研究院 公共安全中心，上海 201210；3.中国科学院上海微系统与信息技术研究所 无线传感网与通信重点实验室，上海 200050)

基于隐马尔科夫模型的时空序列预测方法*

柳姣姣1,2，禹素萍1，吴 波2，姜 华2，何风行2，李凤荣3

(1.东华大学 信息科学与技术学院，上海 201620；2.中国科学院上海高等研究院 公共安全中心，上海 201210；3.中国科学院上海微系统与信息技术研究所 无线传感网与通信重点实验室，上海 200050)

提出了一种基于时空密度聚类的隐马尔科夫模型对时空序列进行预测的方法。时空序列与一般的时间序列相比，最主要的特征是其时空依赖性以及时空非平稳性。针对如何有效地预测不同尺度分布的时空序列的问题，本文采用基于时空密度聚类的隐马尔科夫模型，该模型不仅能分析时空序列在时间和空间上的相关性，而且可以通过时空序列的分段有效地去除噪声，提高模型预测的精度。本文采用该模型对药品冷藏库中的时空序列温度数据进行分析预测，并与其他预测模型比较，结果显示本文提出的方法更准确有效。

密度聚类；隐马尔科夫模型；时空序列预测

0 引言

近年来国内外对时间序列的分析研究[1]取得了很多重要的研究成果，但是对时空序列的分析研究还比较少。时空序列是时间序列在空间上的扩展，是指在空间上有相关关系的多个时间序列的集合，时空序列数据是具有空间信息的时间序列数据集。……