導(dǎo)讀：近日，中國科學(xué)院重慶綠色智能技術(shù)研究院大數(shù)據(jù)挖掘及應(yīng)用中心研究團隊在時間序列的多粒度預(yù)測模型的研究方面取得進展，相關(guān)研究成果發(fā)表在chemometricsandintelligentlaboratorysystems和neurocomputing上。
　　
　　具有不確定性特征的數(shù)據(jù)集一直以來都是數(shù)據(jù)挖掘領(lǐng)域的難點和熱點問題，傳統(tǒng)的時間序列預(yù)測模型幾乎都是采用數(shù)據(jù)填充等不確定性的方法處理不確定性數(shù)據(jù)集，這使得這些模型在許多領(lǐng)域得不到預(yù)期的預(yù)測精度。大數(shù)據(jù)挖掘研究團隊通過分析不同領(lǐng)域的時間序列數(shù)據(jù)的共同基本特征，以粒計算理論為基礎(chǔ)，分別建立了基于水平粒化（屬性粒化）和垂直粒化（樣本值粒化）的多粒度知識空間，然后結(jié)合模糊時間序列預(yù)測、時間序列近似周期和粒子群優(yōu)化算法等，提出了兩種時間序列的多粒度預(yù)測模型。該模型通過在不同粒度層次上的切換，實現(xiàn)了以確定性方法處理不確定性數(shù)據(jù)集的構(gòu)想，并且在“臺灣加權(quán)股票指數(shù)（taiex）”、“城市失業(yè)率”等經(jīng)典的時間序列預(yù)測數(shù)據(jù)集上的模擬實驗中獲得了高精度的預(yù)測結(jié)果。另外，在三峽庫區(qū)長江干流的水質(zhì)預(yù)測模擬試驗中表明，該模型完全可以適應(yīng)三峽庫區(qū)復(fù)雜的時間序列水質(zhì)預(yù)測，為庫區(qū)的水質(zhì)預(yù)測預(yù)警提供依據(jù)。
　　
　　該研究得到國家科技重大專項“水體污染控制與治理“的資助。