时间序列数据流的自适应预测

摘要：

提出一种自适应预测方法AFStreams,综合了复杂人工智能预测方法和时间序列预测方法的优点,可以根据数据流值变化的快慢程度自适应地确定预测步长,在计算资源受限的前提下,形成最佳预测点轨迹.仿真实验证明,AFStreams能够良好地适应数据的变化,在计算复杂度和预测精度之间平衡,显著地提高了平均预测精度.

关键词：时间序列、数据流、预测、插值小波、Kalman滤波

所属期刊栏目：33

分类号：TP3(计算技术、计算机技术)

资助基金：江苏省研究生培养创新工程项目xm04-36

在线出版日期：2007-04-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：197-201