基于多维时间序列的预处理方法

• 作者: 王旭 陈东升
• 来源期刊: 科技与创新
• 关键词: 时间序列预处理 小波分解 KNN聚类 MTS聚类
• 年，卷（期）: 2024,（8）
• 页码范围: 121-123
• 页数: 3页
• 语种: 中文
• DOI: 10.15913/j.cnki.kjycx.2024.08.035

摘要

时间序列分析是一种研究时间序列随时间变化而产生的模式和趋势的技术。在时间序列分析中，常常需要对时间序列进行去噪、空缺值补全和异常值挖掘等处理。将小波分解、KNN(K近邻)聚类和MTS（多变量时间序列）聚类结合使用，具体处理流程为先利用小波分解去除时间序列中的噪声和异常信号，然后利用KNN聚类算法对时间序列中的缺失值进行补全，最后通过MTS聚类来挖掘时间序列中的异常值。实验中使用了空缺值为20%的数据，通过数据补全及异常值挖掘、数据补充，使用KNN聚类找到了7个离群点，并进行有效放大。去除离群点后，方差明显减小。结合使用以上3种方法，可以有效地同时完成数据空缺值补充以及离群点过滤。