神经网络对时间序列的处理(1)

神经网络对时间序列的处理

神经网络对时间序列的处理

Georg Dorffner

奥地利维也纳大学人工智能研究所医疗控制论和人工智能部门

摘要：

本文介绍了神经网络在时间序列处理的最常见类型，即模式识别和时空模式的预测。重视神经网络模型和更多经典时间序列的处理方法之间的关系，尤其是预测。文章首先通过介绍基本的时间序列加工、讨论了前馈以及递归神经网络,和他们非线性模型在时空模式的依赖能力方面。 1. 介绍

世界是一直在变的。无论我们观察还是措施——个物理价值,诸如温度和自由交易的价格好—在不同的时间点。经典模式识别,并且与它的很大一部分神经网络应用中,主要涉及了检测系统模式以一个数组的形式返回(静态模式)。典型的应用包括输入向量的分类成多个类别之一(判别分析),或近似描述之间的可见的依赖关系(倒退)。当随时间变化而变化也被考虑进去，额外的,时间维就是补充。虽然在很大程度上这一问题仍然可以被经典模式识别,一些附加的重要方面仍然起作用。统计领域的时空数据分析这种关注(例如具有一定的时空维度的数据)，通常是被称为时间序列处理。

本文旨在介绍利用神经网络的基本原理为时间序列处理。作为一个教程，它自然只能触及表面的这个行业,留下许多重要的细节都没动。不过,概述最相关方面的工作基础,形成了这个领域的佼佼者。这篇文章是很有参考价值的一个指南,并给出了更远、更详细的文学。关于神经网络学习算法的基本知识建筑已被假定。

2. 时间序列处理

2.1．基本要素

在正式的条件,时间序列是一系列向量,根据t：~x(t)：t =0；1；…… (1)。

向量的组成部分可以是任何可观察变量,诸如：

1） 在一幢建筑里的空气温度

2） 在给定的证券交易所的某些产品价格

3） 在一个特定城市新出生的人数

4） 在一个特定社区的水的总消费金额

从理论上讲,x ~可以被看作是时间变量t的连续函数。然而用于实际目的时,时间是通常被看作离散的时间间隔,这就导致在每个时间间隔的终点产生x的实体。这就是为什么一个人说话的时间顺序或系列。时间间隔的尺寸通常依手边问题,可以是任何东西,从几秒,几小时到几天,甚至几年。

在许多情况下,可观察量只有在离散的时间间隔(例如，在每一个小时,或天某一商品的价格)必然会形成时间序列。在其他情况下(例一个城市的新出生的人数)，价值观必须累积或均一段时间间隔(如每月引起的出生人数)得到系列。在时间确实是连续的领域(例如当温度在某一地点是可见) 一个人必须点测量变量的藉所选择的时间间隔来获得一个系列（如每个小时的温度）。这就是所谓的抽样。取样频率就是所测量时段的点个数，在这种情况下是一个非常重要的参数，因为不同频率能从本质上改变所获得时间序列的主要特点。

值得注意的是,有另一个领域非常密切相关,即加工时间序列信号处理。例如语音识别，即异常模式心电图的发现（ECGs），或脑电图的自动分级（EEGs）。一个信号,当采样成一串值的离散的时间间隔时,构成上述定义的时间序列。因此和时间序列信号处理没有一个正式的区别。在普遍的应用程序中可以发现不同（例如单个信号的识别和滤波;时间序列处理的预测），自然的时间序列(一个采样间隔时间信号通常是一小段时间,而在时间序列处理区间常是小时)。但这只是一个从原型中的应用的观察,并没有明确的边界。因此,时间序列处理可借鉴对信号处理的方法探索,反之亦然。神经网络应用程序在信号处理的概述在文献【54,51】。

如果矢量~ x只含有一个组件,在许多应用场合情况中,有的说是一个单变量的时间序列,否则它就是一个多元。它非常仰赖棘手问题的单变量治疗是否会导致图案识别的结果。如果几个可观察量相互影响（例如空气温度和消耗的水量）一个多变量分析治疗（即基于几个可观察量的分析{~x超过一个变量}）将被标明。在大多数讨论中，我们依然遵循单变量的事件序列处理。

2.2处理类型

根据时间序列分析的目的,时间序列分析的典型应用可以分为:

1.时间序列未来发展的预测

2.时间序列的分类或分成几类的一部分

3.根据参数模型对时间序列的描述

神经网络对时间序列的处理

4.一个时间序列映射到另一个

应用1在文献中肯定是最普遍传播的。从计量能源规划大量的时间序列问题涉及预测未来价值的矢量x -为了决定交易策略或以便优化产品（1.后面参考给出了一个IEEE的程序的例子，这造成一个关于神经网络信号处理的年度会议）。问题描述如下：找到一个函数（K代表x的值）。例如为了获得一个矢量x在时间t+d的估计量，给出了x到t的值，再加上一些额外的自变量π：

d被称为预测的滞后。通常，d=1，也就是说随后的向量应该估算出来,但可以采取任何价值大于1时,(例如5天前能耗的预测)。为了简单起见，我忽略了额外的变量π。虽然如此，我们应该注意加入这些特征（如房间的大小温度是决定因素）在某些应用场合起决定性作用。

在这种方式思考的话，选择的方法越来越近似F，函数近似值的估测将很困难。从这个意义上说,它可以比作函数逼近或 …… 此处隐藏：6349字，全部文档内容请下载后查看。喜欢就下载吧 ……