2.845

2023影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

时间序列数据流的自适应预测

王永利 周景华 徐宏炳 董逸生 刘学军

王永利, 周景华, 徐宏炳, 董逸生, 刘学军. 时间序列数据流的自适应预测. 自动化学报, 2007, 33(2): 197-201. doi: 10.1360/aas-007-0197
引用本文: 王永利, 周景华, 徐宏炳, 董逸生, 刘学军. 时间序列数据流的自适应预测. 自动化学报, 2007, 33(2): 197-201. doi: 10.1360/aas-007-0197
WANG Yong-Li, ZHOU Jing-Hua, XU Hong-Bing, DONG Yi-Sheng, LIU Xue-Jun. An Adaptive Forecasting Method for Time-Series Data Streams. ACTA AUTOMATICA SINICA, 2007, 33(2): 197-201. doi: 10.1360/aas-007-0197
Citation: WANG Yong-Li, ZHOU Jing-Hua, XU Hong-Bing, DONG Yi-Sheng, LIU Xue-Jun. An Adaptive Forecasting Method for Time-Series Data Streams. ACTA AUTOMATICA SINICA, 2007, 33(2): 197-201. doi: 10.1360/aas-007-0197

时间序列数据流的自适应预测

doi: 10.1360/aas-007-0197
详细信息
    通讯作者:

    王永利

  • 中图分类号: TP274+.2; TP311.13

An Adaptive Forecasting Method for Time-Series Data Streams

More Information
    Corresponding author: WANG Yong-Li
  • 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.
  • 加载中
计量
  • 文章访问数:  3673
  • HTML全文浏览量:  123
  • PDF下载量:  2301
  • 被引次数: 0
出版历程
  • 收稿日期:  2005-05-05
  • 修回日期:  2006-06-29
  • 刊出日期:  2007-02-20

目录

    /

    返回文章
    返回