原文传递
基于时间序列分析的隧道传感器数据预测研究
| 论文题名： | 基于时间序列分析的隧道传感器数据预测研究 |
| 关键词： | 时间序列分析;隧道传感器;数据预测;混沌理论;Volterra级数模型 |
| 摘要： | 近年来，随着我国公路路网建设进入高速发展时期，越来越多的高速公路隧道在我国多山地区投入使用。隧道监控系统采集到越来越多的隧道内环境数据，但是这些数据由于未受到足够的重视而被大量闲置。本文尝试从混沌时间序列预测和时间序列相似性查找两个方面对隧道内环境数据进行研究，以对隧道污染物的未来变化趋势进行预测。 首先，简要介绍了时间序列预测的基本概念、分类以及预测模型，接着着重介绍混沌理论相关概念和混沌识别方法，并且将混沌理论应用于隧道内环境数据分析。 然后，针对隧道内环境参数时间序列具有混沌特性的特点，提出了一种基于经验模式分解和Volterra级数模型的混沌时间序列预测算法，对隧道烟雾浓度数据集和公共数据集进行了预测，并且与传统的时间序列预测算法进行了比较。实验表明，本文提出的新方法能够有效预测隧道内污染物的未来变化趋势。 最后，针对已知时间序列分段线性表示法的不足，改进了一种基于特征点的分段线性表示法。该方法将数据分为极值点和普通点给予区分对待，能够稳定和有效的对隧道烟雾浓度时间序列进行划分。在此基础上，改进了一种基于形态特征的相似性查找技术，通过从已有数据库中查找与待查询序列相似的时间数据段以对隧道内环境参数的未来趋势做出预测，从而实现了对隧道烟雾浓度超标时间序列变化趋势的预测。 |
| 作者： | 张英杰 |
| 专业： | 计算机应用技术 |
| 导师： | 方敏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西安电子科技大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
