公开(公告)号：CN105740431A

公开(公告)日：2016-07-06

申请号：CN201610068317.8

申请日：2016-01-29

Applicant: 湖南大学

Inventor： 唐卓 ,  陈建国 ,  李肯立 ,  龚哲戎 ,  李巧巧 ,  熊燎特

IPC: G06F17/30

CPC classification number: G06F16/2471

Abstract: 本发明提供了一种基于多层周期指数递阶的时序数据预测方法，包括步骤：利用傅里叶级数变换技术分析实时产生的时序数据的周期性，生成多层周期模型；在多层周期模型的基础上，以部分历史数据作为训练数据，进行周期数据的预测权值计算，根据预测权值进行数据预测。本发明通过基于傅里叶级数变换的多层周期划分模型，将历史数据进行抽象，形成数据视图，然后进行多层周期划分，在有效减少数据规模同时又能保持数据特征不变性，有效降低方法的计算复杂性，提高大规模时序数据的预测准确性和运算性能，使得数据预测的速度和精确度能够同时满足要求；还结合Spark云计算技术，实现了时序数据预测并行方法，有效提高大规模时序数据预测的运算性能。