集合預(yù)測的智能選擇方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明一般設(shè)及數(shù)據(jù)統(tǒng)計與數(shù)據(jù)挖掘處理領(lǐng)域，具體設(shè)及集合預(yù)測的智能選擇方 法。
【背景技術(shù)】
[0002] 預(yù)測通過對客觀事實歷史和現(xiàn)狀進行科學(xué)的調(diào)查和分析，由過去和現(xiàn)在去推測未 來，由已知去推測未知，從而掲示客觀事實未來發(fā)展的趨勢和規(guī)律。我們不可能不進行預(yù)測 而只是等到事情發(fā)生時再采取行動，因此，好的預(yù)測是非常有必要的。然而，進行預(yù)測時，沒 有單一一種預(yù)測方法會絕對有效。無論使用何種方法進行預(yù)測，預(yù)測的作用也是有限的，并 不是完美無缺。
[0003] 集合預(yù)測方法克服了單一預(yù)測的缺點，為真實的數(shù)據(jù)的預(yù)測提供了多個預(yù)測數(shù) 據(jù)，但是集合預(yù)測給出的多個預(yù)測值有時差異很大，有些預(yù)測值對實際值的偏離非常大，我 們需要一個好的方法來判斷運些數(shù)據(jù)中哪些數(shù)據(jù)比較接近實際的值。本發(fā)明就是在運樣的 背景下提出了集合預(yù)測的智能選擇方法，對集合預(yù)測數(shù)據(jù)進行再分析，挖掘出其中有用的 信息。
[0004] 目前集合預(yù)測在氣象預(yù)測領(lǐng)域的應(yīng)用非常廣泛，運用本發(fā)明提出的方法，可W對 集合預(yù)測的預(yù)測數(shù)據(jù)進行再分析，更加精確的為氣象預(yù)測工作提供一定的幫助。

【發(fā)明內(nèi)容】

[000引本發(fā)明針對集合預(yù)測的預(yù)測數(shù)據(jù)進行再分析，應(yīng)用統(tǒng)計和數(shù)據(jù)挖掘的分類方法， 對歷史數(shù)據(jù)進行分析，為未來的預(yù)測信息的利用提供幫助。本發(fā)明的目的在于從集合預(yù)測 的多個數(shù)據(jù)中，選取出可能的與實際值誤差最小的預(yù)測。具體技術(shù)方案如下。
[0006] 集合預(yù)測的智能選擇方法，其包括W下步驟： (a) 讀取集合預(yù)測數(shù)據(jù)和每次對應(yīng)的實際值； (b) 將預(yù)測數(shù)據(jù)看為一個無序向量，分別將實際值、預(yù)測數(shù)據(jù)的最大值、最小值、平均 數(shù)、中位數(shù)、25分位點和75分位點運7個數(shù)跟預(yù)測數(shù)據(jù)進行7次作差； (C)預(yù)先定義(b)中每次作差結(jié)果的分布有12種分布類型，得到每次作差對應(yīng)的12種類 型中的一種； ((1)將山）中減去實際值的類型作為結(jié)果，其他6個類型組合成為一個編碼，統(tǒng)計編碼和 結(jié)果的對應(yīng)情況； (e)驗證方法有效性，用已有數(shù)據(jù)進行驗證。
[0007] 進一步地，步驟(a)中，預(yù)測數(shù)據(jù)分時間段給出，一段時間間隔給出一組預(yù)測數(shù)據(jù)； 相對應(yīng)的實際值為實際發(fā)生的情況，能通過測量得到。
[0008] 進一步地，步驟(b)中，將預(yù)測數(shù)據(jù)的最大值、最小值、平均數(shù)、中位數(shù)、25分位點和 75分位點與預(yù)測數(shù)據(jù)向量作差，因為運6個數(shù)能反映一組數(shù)據(jù)的分布情況;同時，將步驟(a) 讀取的實際值也與預(yù)測數(shù)據(jù)作差;作差結(jié)果仍為一維向量;所述7次作差得到7個一維向量； 25分位點代表一組數(shù)據(jù)中的某個數(shù)，使得數(shù)據(jù)總數(shù)的25%的數(shù)小于運個數(shù)，中位數(shù)就是50分 位點，75分位點同意義。
[0009] 進一步地，步驟(C)包括W下步驟： k-l)對于作差結(jié)果的一維向量假設(shè)其維度為l*m，將其按大小排序，無序數(shù)據(jù)變?yōu)橛?序，對應(yīng)到坐標軸上； (C-2)假設(shè)一維向量中絕對值最大的為x，W〇為坐標原點，2*x/m為間隔把坐標軸正 負方向分別劃分為m/2個區(qū)間，總共m個區(qū)間； (C-3)若m為奇數(shù)，用一個1 *m維的向量記錄每個區(qū)間內(nèi)點的個數(shù)；1~m/2代表坐標負方 向各個區(qū)間落的點數(shù)目；m/2+l代表落在坐標原點的點數(shù)目；m/2+2~m代表坐標正方向各個 區(qū)間落的點數(shù)目；若m為偶數(shù)，用一個l*(m+l)維的向量記錄每個區(qū)間內(nèi)點的個數(shù)；1~m/2代 表坐標負方向各個區(qū)間落的點數(shù)目；m/2+l代表落在坐標原點的點數(shù)目；m/2+2~m+1代表坐 標正方向各個區(qū)間落的點數(shù)目； (C-4)將步驟(C-3)的向量對應(yīng)到預(yù)先定義的12種類型中的一種，7次作差得到7個類型 值。 進一步地，步驟(d)中，對于步驟k)的結(jié)果，W減去實際值的類型為作為結(jié)果，其他6個 類型組合成為一個編碼，統(tǒng)計期間的所有編碼和結(jié)果的對應(yīng)情況，記入一個矩陣中。
[0010] 進一步地，對于一組預(yù)測數(shù)據(jù)，實際值未知，執(zhí)行步驟(b)除了減去實際值的處理， 然后進行編碼;查詢步驟(d)統(tǒng)計的矩陣的結(jié)果，找出可能的減去實際值的分布類型;根據(jù) 分布類型，在多個預(yù)測數(shù)據(jù)中找出3個對比實際值如降雨量的誤差最小的預(yù)測數(shù)據(jù);集合預(yù) 測中，每組預(yù)測數(shù)據(jù)的個數(shù)顯著大于3。
[0011] 進一步地，該智能選擇方法既能用歷史數(shù)據(jù)進行驗證，也能用于處理新的數(shù)據(jù);在 已知實際值的歷史數(shù)據(jù)中，找出每次的預(yù)測數(shù)據(jù)中與對應(yīng)的實際值的誤差最小的，驗證它 在不在步驟(e)使用本方法找出的3個預(yù)測值中；在實際值未知的未來的時間段，用該智能 選擇方法找到其中3個可能的對比實際值的誤差最小的預(yù)測數(shù)據(jù)。
[001引與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點和技術(shù)效果： 本發(fā)明是集合預(yù)測數(shù)據(jù)的再分析。研究范圍不是集合預(yù)測模型，而是數(shù)據(jù)。通過數(shù)據(jù)統(tǒng) 計和數(shù)據(jù)挖掘的分類方法刻畫數(shù)據(jù)分布的規(guī)律，挖掘分布規(guī)律中傳達的信息。目前對集合 預(yù)測數(shù)據(jù)的再分析研究主要集中在不同集合預(yù)測模型應(yīng)用的對比上。
【附圖說明】
[001引圖la~圖If為實例中不同類型即不同分布情況的直觀示意圖。
[0014] 圖2實施方式中集合預(yù)測的智能選擇方法的流程圖。
【具體實施方式】
[0015] W下結(jié)合附圖對本發(fā)明的實施方式作進一步說明，但本發(fā)明的實施不限于此。
[0016] 如圖2,合預(yù)測的智能選擇方法的主要流程包括W下步驟： (a) 讀取集合預(yù)測數(shù)據(jù)和每次對應(yīng)的實際值； (b) 將預(yù)測數(shù)據(jù)看為一個無序向量，分別將實際值、預(yù)測數(shù)據(jù)的最大值、最小值、平均 數(shù)、中位數(shù)(即50分位點）、25分位點和75分位點運7個數(shù)跟預(yù)測數(shù)據(jù)進行7次作差;25分位點 代表一組數(shù)據(jù)中的某個數(shù)，使得數(shù)據(jù)總數(shù)的25%的數(shù)小于運個數(shù)，中位數(shù)就是50分位點，75 分位點代表代表一組數(shù)據(jù)中的某個數(shù)，使得數(shù)據(jù)總數(shù)的75%的數(shù)小于運個數(shù)。
[0017] (C)預(yù)先定義(b)中每次作差結(jié)果的分布有12種分布類型，得到每次作差對應(yīng)的12 種類型中的一種。
[0018] (d)將(C)中減去實際值的類型作為結(jié)果，其他6個類型組合成為一個編碼，統(tǒng)計編 碼和結(jié)果的對應(yīng)情況； (e)驗證方法有效性，用已有數(shù)據(jù)進行驗證。
[0019] 步驟(a)讀取了歷史的集合預(yù)測的預(yù)測數(shù)據(jù)和對應(yīng)的實際值。
[0020] 步驟(b)對預(yù)測數(shù)據(jù)提取能表示數(shù)據(jù)分布特征的最大值、最小值、平均數(shù)、中位數(shù)、 25分位點和75分位點運6個值與自身作差。
[0021] 步驟(C)觀察了差值分布情況，將分布情況直觀的用12種類型進行表示。
[0022] 運里設(shè)置了幾個閥值界定了不是嚴格遵循分布規(guī)律的情況。例如在圖Ic中，左左 型代表沒有數(shù)落在右邊的數(shù)而運里實際有，因為落在右邊的個數(shù)是1，在閥值的界定約束下 我們忽略它，最終類型判定就為左左型。
[0023] 步驟(C)包括W下步驟： k-l)對于作差結(jié)果的一維向量假設(shè)其維度為l*m，將其按大小排序，無序數(shù)據(jù)變?yōu)橛?序，對應(yīng)到坐標軸上。 巧024] (C-2)假設(shè)向量中，絕對值最大的為x，W〇為坐標原點，2*x/m為間隔把坐標軸正 負方向分別劃分為m/2個區(qū)間，總共m個區(qū)間。
[0025] (C-3)若m為奇數(shù)，用一個l*m維的向量記錄每個區(qū)間內(nèi)點的個數(shù)。1~m/2代表坐標 負方向各個區(qū)間落的點數(shù)目。m/2+l代表落在坐標原點的點數(shù)目。m/2+2~m代表坐標