张守超
- 作品数：2 被引量：19H指数：2
- 供职机构：南京邮电大学自动化学院更多>>
- 发文基金：江苏省自然科学基金更多>>
- 相关领域：电子电信更多>>
- 基于大数据的时间序列预测研究与应用被引量：5
- 2016年
- 针对传统时间序列预测算法在分析海量数据时预测精度与预测速率低下的问题,提出一种全新的时间序列预测算法,研究如何将大数据技术应用到移动通信网时间序列形式的核心性能指标(KPI)预测中。文中首先介绍了移动通信网性能指标预测的意义及传统时间序列预测算法的缺陷。其次,基于移动通信网及时间序列特性,给出了基于大数据的时间序列预测算法的理论推导过程,通过大数据方法将时间序列分解为四个不同分量并进行特征提取,根据提取结果进行预测分析。最后,介绍了方法的实现过程,采用真实网络核心性能指标进行实验对比分析,验证该方法的可行性与效率。实验结果表明,基于大数据的时间序列预测算法相比于传统的时间序列预测算法,具有更高的预测精度、更快的预测速率。
- 程艳云张守超杨杨
- 关键词：大数据时间序列移动通信
- 基于大数据的时间序列异常点检测研究被引量：15
- 2016年
- 针对传统时间序列异常点检测方法在处理大量数据时检测精度与效率低下的缺陷,文中提出一种基于大数据技术的全新时间序列异常点检测方法。首先介绍了传统时间序列异常点检测方法并分析了其缺陷。其次介绍了基于大数据方法的理论推导,包括特征提取、奇异点检测及异常点判别,具体为采用大数据方法将海量序列分解为周期分量、趋势分量、随机误差分量及突发分量四个不同分量,对不同分量进行特征提取并根据特征提取结果进行奇异点检测,并在此基础上利用序列特点判别奇异点是否为异常点。最后通过实验分析对比验证大数据方法的可行性与效率。实验结果表明,基于大数据方法的时间序列异常点检测相比于传统的方法具有更高的检测精度与更快的检测速率。
- 程艳云张守超杨杨
- 关键词：异常点检测时间序列大数据特征提取
