一种基于k近邻的时空序列预测方法

摘要

时空序列预测分析作为时空数据挖掘中一个重要技术,是对空间上有相互关系的多个时间序列演变趋势与规律进行研究,推测未来时空序列数据的取值或变化趋势.目前,时空序列预测广泛地应用于交通控制、气象预报、传染病防治、环境监测等领域,但是时空序列预测方法的研究明显滞后于相关的应用需求,并且有效的时空序列预测方法对充分挖掘隐含在时空数据中潜在的、有用的信息具有十分重要的意义.rn 本文假定相似的时空过程具有相似的发展趋势，提出了一种基于k近邻的时空序列预测方法。该方法通过搜索历史上最邻近的k时空过程，依据时空过程的发展状态来对时空序列数据进行预测，通过对实际的干旱指数进行预测分析，证明了本文所提算法在预测性能优于神经网络，并且不需过多的参数选取，尤其适用于大数据时代下的海量的时空序列数据分析。但是，k近邻算法对时空序列仅适用于短期预测，此外，k近邻算法对历史上未出现类似的发展过程无法进行准确预测。