ARMAX模型的預(yù)測(cè)確認(rèn)及成片異常點(diǎn)的挖掘.pdf

1、時(shí)間序列的觀察值有時(shí)會(huì)受異常事件、干擾或者誤差的影響，它們會(huì)造成虛假的后果，導(dǎo)致觀察值的反常態(tài)勢(shì)，以致與時(shí)間序列中大多數(shù)觀察值不一致。我們稱這些非正常的觀察值為異常值或異常點(diǎn)，它們可能由非正常的外部事件引起，如：罷工，物理系統(tǒng)的突變等等，或者僅僅足由于觀察中的記錄或采集的錯(cuò)誤．異常點(diǎn)有時(shí)可能足具有特殊意義的數(shù)據(jù)，往往能提供更多的有用信息，發(fā)現(xiàn)異常點(diǎn)往往是發(fā)現(xiàn)新知識(shí)、確定新?tīng)顟B(tài)的有力手段。因此，異常點(diǎn)挖掘和分析是一個(gè)有意義的數(shù)據(jù)挖掘任務(wù)。

2、 自從Fox(1972)的開(kāi)創(chuàng)性論文以來(lái)，以ARMA模型為基礎(chǔ)的時(shí)間序列中的異常點(diǎn)的挖掘方法已廣泛展開(kāi)。迄今為止，對(duì)于時(shí)間序列線性模型中單個(gè)異常點(diǎn)的挖掘已經(jīng)得到較好的解決．然而，當(dāng)異常點(diǎn)在數(shù)據(jù)中成片出現(xiàn)時(shí)，在挖掘過(guò)程中往往伴有“掩蓋”和“淹沒(méi)”現(xiàn)象的發(fā)生，使得挖掘工作要困難許多。至今，對(duì)于成片異常點(diǎn)的挖掘仍然是個(gè)非常棘手的問(wèn)題。 本文將在前人的基礎(chǔ)上，著眼于含連續(xù)多個(gè)AO型異常點(diǎn)的ARMAx模型進(jìn)行挖掘。首先介紹異常點(diǎn)的