一种改进的时间序列分段趋势预测法

• 作 者: 吴少智 吴跃 徐鹏
• 机 构: 电子科技大学计算机学院,加州大学洛杉矶分校,电子科技大学神经信息教育部重点实验室,
• 出 处: 电子测量与仪器学报
• 发表日期: 2010年10期
• 关键词: 时间序列 趋势预测法 自适应参数 心脏停搏 变化检测 片段连接 早期预警 样本点 均方误差 自回归模型

提出了一种基于累积和的趋势分段检测方法。并把该方法运用于心脏停搏病人的MEMS时间序列中的趋势变化检测。在该改进方法中,通过引入一个自适应参数能够自适应地把较小的碎片段连接生成一个较大、平缓的分段。实验证明自适应时间序列分段趋势法能够用于小样本的预测,有效地改善了基于残差的累计和法不能对小样本进行很好预测的缺点。该方法运用于心脏停搏病人的MEMS时间序列中的趋势变化的检测,结果表明:该方法在对心脏停搏病人的发病时刻的预测方面可能具有潜在的应用价值。

A trend detection method based on cumulative sum is proposed. The method was applied to detect the change of trend in the MEMS time series of cardiac arrest patients. In this improved method, smaller fragmented segments can be adaptively combined into a larger and more gentle segment by introducing an adaptive parameter. Experiments show that the adaptive time series segmentation trend method can be used for small sample prediction, effectively improving the shortcomings that the residual sum-based sum method can not predict the small sample well. The method is applied to the detection of the trend of changes in MEMS time series of cardiac arrest patients. The results show that this method may have potential value in predicting the onset of cardiac arrest patients.