导读:本文包含了时序分解论文开题报告文献综述及选题提纲参考文献，主要关键词:深度学习,金融时间序列,经验模态分解,主成分分析
时序分解论文文献综述
李洁,林永峰,陈亮,朱静雯,孙弘博[1]（2019）在《基于深度经验模态分解的金融市场时序预测》一文中研究指出传统模型和单一模型无法实现时间序列预测的高精度需求,现有时间序列预测模型对一些数据不能做到较为精准的预测。融合经验模态分解(EMD)、主成分分析(PCA)以及长短期记忆网络(LSTM),提出一种深度经验模态分解模型EPL,并提出IEPL (interval EPL)模型进行实验优化。选取4类金融衍生品时间序列的数据集FTSE、S&P500、USD、BDI,以单一模型、传统模型、已有组合模型为对照进行实验。对比实验结果表明,EPL和IEPL在精确度方面表现更好,比现有研究的平均精度提高5%-7%。(本文来源于《计算机工程与设计》期刊2019年12期）
王利民,刘佳,姚保民,高建孟,杨福刚[2]（2019）在《综合NDVI时序特征的冬小麦混合像元分解及面积估算》一文中研究指出基于MODIS数据进行面积提取易受混合像元影响,为了降低因混合像元导致的错分和漏分误差,该研究提出一种线性的混合像元分解模型,建立MODIS混合像元中冬小麦占比与MODIS/NDVI时间序列影像波峰波谷差值之间的定量关系。基于2017年保定市MODIS数据和GF数据进行了模型构建,基于2014年数据进行了模型验证。结果显示纯度指数(PPI)精确度均值为0.485,基于混合像元分解模型得到的2014年保定市冬小麦面积推算值为40.05万hm2,基于GF数据得的2014年保定市冬小麦面积"真值"为37.39万hm2,绝对误差为2.66万hm2,相对误差率为7.11%。利用河北省冬小麦广泛种植的8个地市对模型的适用性进行评价,结果表明不同地市的冬小麦面积推算值和冬小麦面积"真值"间平均误差率为3.69%。基于该模型的冬小麦面积推算值误差相对较低,数据可靠性较高,且受地域影响较小,具有较为普遍适用性。(本文来源于《中国农学通报》期刊2019年27期）
白莹莹,王会青,郭芷榕[3]（2019）在《基于局部均值分解和改进小波熵的时序SAX模型》一文中研究指出符号聚合近似表示法是提取时间序列特征的重要方式。然而,传统的符号聚合近似表示法存在平均化分段数、同等对待划分区间,以及无法准确反映非平稳序列的突变信息等多项缺陷。鉴于此,通过引入局部均值分解和改进小波熵的分段算法,建立了一种新的时序SAX模型。该模型的基本原理是采用局部均值分解技术对原始序列进行去噪处理,利用滑动窗口阈值法获取分段数,并使用SAX表示法进行符号表示,利用KNN分类器实现分类性能测试。基于这一改进模型,进行了实证检验,实验结果表明,该模型能够有效提取序列的信息特征,具有较高的拟合度,达到了降维的目的,更重要的是,提高了KNN分类算法在SAX表示法中分类的准确率。(本文来源于《计算机工程与科学》期刊2019年08期）
周玉科[4]（2019）在《利用经验模态分解的近地面植被指数时序数据重构研究》一文中研究指出NDVI遥感产品可以较好地反映植被的生长情况,已被广泛应用于植被物候的遥感分析。本文利用PhenoCam物候相机观测网络林地站点的近地面多光谱数码相机照片,通过近红外和红光波段组合提取近似NDVI的时序数据,并在景观尺度上采用经验模态分解方法(EMD,Empirical Mode Decomposition)实现一定容差范围内NDVI时序数据的重构。结果表明:EMD方法能够有效地减少NDVI时序数据噪声干扰,经验证,趋势项残差的趋势较为明确。实验基于重构结果进行植被物候分析,得到的物候分布特征与植被实际生长反映的变化特征基本一致。(本文来源于《测绘与空间地理信息》期刊2019年06期）
庞金凤,刘波,张波,张朋朋,王波[5]（2019）在《基于小波分解的沙尘天气发生日数预测组合模型研究——以2008—2016年策勒沙漠-绿洲过渡带沙尘天气发生时序为例》一文中研究指出新疆南疆地区是扬沙浮尘的主要高发区,风沙对当地生产生活影响严重。为揭示当地风沙天气变化特征并预测未来变化趋势,通过小波分解方法,将塔克拉玛干沙漠南缘的策勒沙漠-绿洲过渡带2008—2016年沙尘天气发生时序分解为平稳性波动项和非线性趋势项,根据两项数据的特性,针对性选取自回归(AR)模型和最小二乘支持向量机(LSSVM)进行变化趋势预测,最后利用加法原则重构实现沙尘天气发生日数时序预测。结果表明:研究区沙尘天气发生属于典型的春夏型,主要集中在3—9月,峰值出现在5月。组合模型预测值与实测值基本吻合,具有较高的预测精度(绝对误差为4. 00 d,均方根误差为3.76 d),同时,其结果与AR模型、LSSVM模型预测结果相比较也显示出一定的优越性(组合模型相关系数相比AR、LSSVM分别提高了0.12、0. 31),具有较好的应用前景,可为研究区预防风沙灾害及指导实际生产生活提供科学依据。(本文来源于《气象》期刊2019年05期）
黄雄波[6]（2019）在《时序数据的非线性最小二乘迭代分解算法》一文中研究指出从时序数据中精确地分解出趋势、周期及随机噪声等数据成分,能有助于人们掌握事物在演变过程中所蕴藏的内在规律.基于非线性最小二乘法,提出一种性能更为高效的时序数据分解算法。首先,基于关键转折点和趋势导数的方法从待分解序列中概要地析出各种不同的数据成分,然后,分别利用多项式函数、正弦谐波级数及自回归模型对相应的数据成分进行拟合,最后,在加法模型中迭代求解各种数据成分的非线性最小二乘参数。实验表明,新设计的算法在分解精度和计算成本等指标上均优于现有的算法。(本文来源于《计算技术与自动化》期刊2019年01期）
崔薛萍[7]（2018）在《日照市土地整治指标分解与时序安排》一文中研究指出土地资源的不可替代性及其稀缺性,决定了土地资源利用必须向持续、高效利用发展。随着新型工业化、城镇化建设,耕地后备资源在不断减少,实现耕地占补平衡、占优补优的难度日趋加大,通过开展土地整治,可以改善农业生产条件,使农村散乱、废弃闲置、低效利用的建设用地得到合理利用,拓展城乡发展空间。测算土地整治潜力能增加可利用耕地面积,提高耕地质量。确立土地整治规划目标,是保障土地资源可持续发展的有效途径。如何对土地整治指标进行科学、合理的分解以及安排整治的先后顺序是土地整治的重点和难点。本文在总结国内外土地整治相关研究和土地整治的相关理论的基础上,对土地整治潜力进行了测算,对市级土地整治规划各类指标的分解思路和分解方法进行了研究,运用定性与定量分析法、比重法以及加权法对指标进行合理分解,为市级土地整治规划的指标分解提供了科学的参考。本文在进行各类指标分解后,探讨了土地整治的时序安排,建立评价指标体系,根据各指标因子的权重及数据标准化值,采用综合法进行评价,得出土地整治的时序综合评价值,按照综合评价值划分整治区的先后顺序。具体研究和结果如下:(1)本文以日照市为例,以日照市土地利用总体规划数据、土地利用变更调查数据、耕地质量等级补充完善数据等成果为依据,对农用地整理潜力、土地复垦潜力、宜耕后备土地资源开发潜力以及农村建设用地整理潜力进行了测算。农用地整治可补充耕地潜力共计13877.4公顷,其中农用地整理潜力8771.84公顷,土地复垦潜力402.92公顷和宜耕后备土地资源开发潜力4702.64公顷;农村建设用地整理补充耕地潜力5856.65公顷。(2)在整治潜力测算的基础上,分析了日照市各县(区)土地整治各类潜力占总潜力的比重,并依据2010-2015年日照市整治规划的各县(区)各类指标完成规模占总规模的比重,运用加权法,得出加权后的比重,作为指标分配比重,根据省级下达的指标,分解2016-2020年日照市各县(区)的整治规划指标。(3)本文对日照市2016-2020年土地整治时序安排进行研究,根据评价原则和目的,从土地利用条件、经济社会条件、迫切程度、耕地利用现状、农用地整理潜力和农民支持程度等6方面,选取评价因子构成综合评价指标体系,采用特尔斐法确定各评价因子的权重,建立评价指标体系,再根据各指标因子的权重及数据标准化值,采用综合法进行评价。得出土地整治的时序评价值,按照评价值由大到小来确定整治的先后顺序,对日照市各乡镇土地整治的先后顺序进行排序,并划分为优先整治区、次优先整治区、中期整治区、后期整治区。(本文来源于《山东师范大学》期刊2018-12-06）
王旭强,陈艳龙,杨青,刘红昌[8]（2018）在《基于时序分解的用电负荷分析与预测》一文中研究指出在智能电网普及的大数据背景下,对电力数据进行精准的分析和预测对电网规划和经济部门的管理决策具有重要的指导意义,但大多数模型都只是在单一的时间尺度上进行研究。针对这一问题提出一种基于时序分解的后向传播算法的循环神经网络预测模型。通过对真实的居民用电消费数据以及外部因素数据统计处理,深入地分析了居民用电特点以及行为规律,并根据其数据的特征以及天气、节假日等外部因素对用户用电行为的影响建立预测模型,对用户未来时段的用电量进行预测。此外,考虑到居民用电消费数据的时序特征在不同时间尺度呈现不同的变化规律,通过时序分解建立预测模型来对用户用电行为的周期性和趋势性进行建模,并通过加权融合达到一起训练的效果,具有一定的协同性,提升预测精度。(本文来源于《计算机工程与应用》期刊2018年20期）
杨方[9]（2018）在《基于标签、时序和用户历史点击的张量分解推荐算法》一文中研究指出推荐系统已经成为了一个很重要的研究领域从上世纪九十年代中期协同过滤的出现,过去二十年来学术界和工业界提出了很多方法来构建推荐系统。由于其给用户提供的个性化推荐,内容和服务如此重要,使得推荐系统一直处于比较热门的领域。当前的推荐系统方法主要分为叁大类:基于内容的推荐,协同过滤,混合推荐算法。本文提出了一种基于标签、时序和用户历史点击的张量分解推荐算法,结合了时序模型和用户历史操作信息,运用张量分解进行推荐。推荐系统有很多应用,比如亚马逊等电子商务网站可以利用推荐系统向用户推荐可能想买的书籍,CD等物品,youtube,netflix等视频电影网站可以向用户推荐其可能感兴趣的电影视频等,淘宝,京东等购物网站可以利用推荐系统向买家推荐其可能想购买的商品等,google,百度等搜索引擎公司可以利用推荐系统向使用者推荐其可能需要的服务信息。尽管推荐系统发展了这么久,当前的推荐算法仍然需要改进来满足更准确更有效的推荐需求。由于信息的爆炸,目前服务提供商能收集到的信息越来越丰富,继而带来的是数据集体积和维度的剧增,应用特征选择和张量分解能很好的解决数据集的高维度信息,而随机梯度下降等方法能很好的解决数据集体积庞大导致的内存不够用,模型训练时间长等问题。添加时序模型能够捕捉用户特征随着时间变化的信息,用户历史信息能够给模型提供一些很重要的辅助。模型的融合能够兼顾各个模型的优点,提高整体模型的泛化效果。本文提出的基于标签、时序和用户历史点击的张量分解推荐算法,应用张量分解对数据进行了降维和隐性关系挖掘,添加时序模型捕捉了用户购买商品随着时间变化的特征,结合用户历史操作加入了用户历史的强偏好信息,进一步改善了模型,矩阵化梯度下降改善了模型训练效率,添加L~(2,1)和L~1结合的正则项提高了模型的泛化效果,最后进行的模型集成综合了各个基线模型的结果,进一步提高了模型的表现。最后,将本文的TBTFD模型与各个模型进行融合,融合后的模型吸取各个单独模型的优点,从而使得模型的表达效果和泛化效果更好。但是,响应的也提高了模型训练所花费的时间等。本文通过网格搜索进行调参,得到了AUC,Rmse随迭代次数,特征个数,学习率等的变化情况,根据变化图得到了相应参数的最优值。最后,将本文的TBTFD模型,融合后的ensemble模型与LR,bayes,随机森林,GB,knn等模型的ROC及AUC图进行对比,得出了TBTFD模型比这些对比模型效果更佳,融合的ensemble模型效果最好的结论。(本文来源于《吉林大学》期刊2018-05-01）
黄靖贵[10]（2018）在《基于时序分解的中国季度实物资金流量表的编制》一文中研究指出社会资金流量统计以宏观经济视野来观察实体经济与金融经济的数量依存关系具有特殊的作用,对中国而言,中国实物资金流量表为此研究提供了很多便利,但与其他主要国家相比,中国实物资金流量账户以年度为频率发布数据,时效性还很落后。为此,文章根据中国的统计现状,利用已知中国实物资金流量核算年度数据、部门行业季度数据及尝试使用Chow-Lin分解方法和Denton分解方法,建立一套适合中国实物资金流量季度表数据的测算体系,并对2006—2014年中国实物资金流量季度表进行测算。(本文来源于《统计与决策》期刊2018年08期）
时序分解论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于MODIS数据进行面积提取易受混合像元影响,为了降低因混合像元导致的错分和漏分误差,该研究提出一种线性的混合像元分解模型,建立MODIS混合像元中冬小麦占比与MODIS/NDVI时间序列影像波峰波谷差值之间的定量关系。基于2017年保定市MODIS数据和GF数据进行了模型构建,基于2014年数据进行了模型验证。结果显示纯度指数(PPI)精确度均值为0.485,基于混合像元分解模型得到的2014年保定市冬小麦面积推算值为40.05万hm2,基于GF数据得的2014年保定市冬小麦面积"真值"为37.39万hm2,绝对误差为2.66万hm2,相对误差率为7.11%。利用河北省冬小麦广泛种植的8个地市对模型的适用性进行评价,结果表明不同地市的冬小麦面积推算值和冬小麦面积"真值"间平均误差率为3.69%。基于该模型的冬小麦面积推算值误差相对较低,数据可靠性较高,且受地域影响较小,具有较为普遍适用性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
时序分解论文参考文献
[1].李洁,林永峰,陈亮,朱静雯,孙弘博.基于深度经验模态分解的金融市场时序预测[J].计算机工程与设计.2019
[2].王利民,刘佳,姚保民,高建孟,杨福刚.综合NDVI时序特征的冬小麦混合像元分解及面积估算[J].中国农学通报.2019
[3].白莹莹,王会青,郭芷榕.基于局部均值分解和改进小波熵的时序SAX模型[J].计算机工程与科学.2019
[4].周玉科.利用经验模态分解的近地面植被指数时序数据重构研究[J].测绘与空间地理信息.2019
[5].庞金凤,刘波,张波,张朋朋,王波.基于小波分解的沙尘天气发生日数预测组合模型研究——以2008—2016年策勒沙漠-绿洲过渡带沙尘天气发生时序为例[J].气象.2019
[6].黄雄波.时序数据的非线性最小二乘迭代分解算法[J].计算技术与自动化.2019
[7].崔薛萍.日照市土地整治指标分解与时序安排[D].山东师范大学.2018
[8].王旭强,陈艳龙,杨青,刘红昌.基于时序分解的用电负荷分析与预测[J].计算机工程与应用.2018
[9].杨方.基于标签、时序和用户历史点击的张量分解推荐算法[D].吉林大学.2018
[10].黄靖贵.基于时序分解的中国季度实物资金流量表的编制[J].统计与决策.2018