基于狀態(tài)空間模型的ARMAX序列異常點的挖掘.pdf

1、時間序列的觀察值有時會受到異常事件、干擾或誤差的影響，它們會造成虛假的后果，導致觀察值的反常態(tài)勢，以致與時間序列中的大多數觀察值不一致.我們稱這些非正常的觀察值為異常值或異常點，它們或者是由非正常的外部事件引起(如罷工、系統突變等)，或者由于觀察過程數據采集或記錄的錯誤引起的.然而，異常點并非毫無意義，其可能含有豐富的信息，對其進行分析和挖掘具有重要的理論與實踐意義。 本文介紹如何利用狀態(tài)空間模型的方法對ARMA序列中的異常點進

2、行探測，并將此方法推廣到ARMAX序列.狀態(tài)空間模型的方法的基本特征是利用狀態(tài)方程描述動態(tài)系統，利用觀測方程描述對狀態(tài)的觀測信息.在此基礎上利用Hilbert空間射影理論，Kalman提出了狀態(tài)估計理論，也稱Kalman濾波理論。 本文考慮把時間序列模型中出現的多重或成片的異常點看成是對原模型加上相應的振動，即假設異常點是對原模型的一種隨機擾動效應的結果，一般把這些時間序列模型轉化為狀態(tài)空間模型，然后用Kalman濾波的方法來計