《数据特征分析Agent预测支持系统设计》由会员分享，可在线阅读，更多相关《数据特征分析Agent预测支持系统设计（7页珍藏版）》请在金锄头文库上搜索。
1、基于Muultii-Aggentt Syysteem预测测支持系系统数据特征征分析AAgennt设计计 国家自然科学基金资助项目（79970038）刘文财2 刘文财，博士研究生，天津大学管理学院9051，Tel：022-27409862，E-mail：。李李英刘豹豹 张维维 （天天津大学学系统工工程研究究所 天津津 30000772）摘要 本文从从数据特特征分析析Ageent在在整个预预测支持持系统中中的重要要性出发发，基于于提高整整个预测测支持系系统效率率的原则则，设计计了数据据特征分分析Aggentt。给出出了该AAgennt的功功能框图图、功能能表、结结构及部部分算法法的选择择。关键词
2、预测测支持系系统 数据特特征 Ageent1 引言言预测支持持系统是是将计算算机技术术、人工工智能技技术与预预测技术术相结合合，能帮帮助人们们进行预预测的软软件系统统。早期期的预测测支持系系统主要要与计算算机技术术本身结结合很紧紧密，人人工智能能技术的的应用不不是很深深入。随随着人工工智能技技术的发发展与具具体成果果的推出出，预测测研究人人员研究究与开发发了智能能化预测测支持系系统11。其其中本课课题组的的基于MMultti-AAgennt SSysttem的的预测支支持系统统是智能能化预测测支持系系统的前前沿子课课题。预测支持持系统中中的预测测方法大大部分是是时间序序列方法法，这些些方法所所
3、基于的的预测思思想是时时间序列列思想。即认为为事物发发展本身身存在着着一个延延续的发发展过程程。正确确地识别别这种发发展模式式可以预预测事物物的发展展过程。在预测测时，依依据表示示事物状状态的主主要变量量的历史史数据，用统计计学方法法或系统统辨识方方法建立立起描述述事物迄迄今为止止的变化化规律的的数学模模型，并并以此来来推测将将来。而而现实系系统的状状态变量量所产生生的时间间序列是是各式各各样的，既有平平稳的、非平稳稳的，随随机的、非随机机的，线线性的、非线性性的，又又有季节节性的、非季节节性的，短记忆忆的、长长记忆的的，同方方差的与与异方差差的等等等3 只是按目前在文献中出现的有关时间序列的
4、若干特性罗列，不排除各特性之间有相互交叉与重叠的 情况。总之之，异常常复杂。虽然基基于MAAS的预预测支持持系统较较之单个个预测方方法或其其它预测测支持系系统有其其不可替替代的优优越性，但它并并不是仙仙丹妙药药，包治治百病。对有些些时间序序列，它它能有效效地完成成预测任任务；但但对另一一些时间间序列却却难以进进行定量量预测，只能进进行定性性预测。所以，要要使基于于MASS的预测测支持系系统发挥挥有效的的功能，作为支支持系统统的“看门狗狗”数据据特征分分析Aggentt的性能能如何在在很大程程度上决决定了该该支持系系统的有有效性与与准确程程度。这这个Aggentt 要完完成对被被测时间间序列有有
5、效的分分类，并并把分类类的信息息作为输输出信号号传给管管理Aggentt，由它它选择模模型完成成预测任任务。本本文就探探讨数据据特征分分析Aggentt的设计计。2 数据据特征分分析Aggentt的功能能框图季节性时序AInform.6Inform.5Inform.4Inform.3Inform.2Inform.1NYNYYN读入时间序列数据文件平稳性判断季节性判断差分处理非季节性时序样本量2500利用R/S进行相关性分析长短记忆混合时 序长记忆时 序完全随机时 序作短记忆 时 序 处理异方差性BCD管理Agent图1 数据特特征分析析Ageent框框图图中A是是同方差差长短记记忆混合合时序，
6、B是同同方差长长记忆时时序，CC是异方方差长短短记忆混混合时序序，D是是异方差差长记忆忆时序。数据特征征分析AAgennt主要要功能是是接到用用户或管管理Aggentt发来任任务预测测的命令令，读入入时间序序列数据据文件，首先利利用通过过计算时时序的自自相关系系数进行行序列的的平稳性性及季节节性判断断。若序序列不是是平稳序序列，则则进行足足够多次次的差分分处理，直到成成为平稳稳序列为为止。其其次进行行利用RR/S（Resscalled Rannge Anaalyssis）分析法法进行相相关性判判断4 这里假设样本数据足够多，至少有2500 个样本。若样本数据少于2500，则系统将序列作为短记忆
7、序列处理。按按Hurrst指指数值的的不同情情况把序序列分为为三类。若H=0.55，则时时序为完完全随机机的；若若H0.55，则时时序为正正相关的的，长记记忆时序序。若HH值对每每一增量量稳定，则表明明时序就就是长记记忆时序序；若HH值表现现出从不不稳定到到稳定的的变化状状态，则则表明时时序是长长短记忆忆混合时时序。并并这两类类进行异异方差性性分析。最后把把分析结结果转换换成信息息，交管管理Aggentt处理。具体框框图如图图1所示示。3 数据据分析aagennt的描描述能力表：平稳性性的判断断、季节节性判断断、相关关性分析析、异方方差性判判断、HHursst值计计算。功能实现现：接到到用户或
8、或管理aagennt发送送的Reequeest请请求后，根据传传送来的的待分析析数据文文件的详详细地址址，包括括所在机机器名、文件路路径及文文件名，对其完完成所要要求的特特征分析析，并将将分析后后的结果果通过通通讯原语语“Infformm”，发发送给提提出请求求的aggentt或者用用户。在在对数据据进行平平稳性，季节性性、相关关性分析析及Huurstt指数计计算过程程中，需需要用户户根据计计算所得得到的数数据文件件及aggentt所提供供的帮助助信息进进行相应应的处理理，才能能得到最最终的处处理结果果，因此此该aggentt是一种种半自动动的aggentt。4 数据据分析aagennt的结结
9、构 根据数数据分析析ageent的的功能及及特点，可以采采用反应应式的aagennt结构构。因为为对于数数据分析析ageent来来说，不不需要具具有信念念、承诺诺等精神神状态，只对传传送来的的数据文文件进行行相应的的处理，并将处处理结果果传送给给提出请请求的用用户或管管理aggentt。所设设计的结结构如图图2所示示。图2 数据分分析aggentt的结构构数据分析析ageent的的一项主主要能力力是利用用R/SS进行相相关性分分析，在在这个过过程中需需要计算算Hurrst指指数，因因此系统统把这种种功能独独立出来来也作为为ageent的的一种能能力，以以方便用用户或其其它aggentt的使用用
10、。下面面分别介介绍数据据分析aagennt的平平稳性、季节性性、相关关性、异异方差性性分析的的实现。5 数据据特征分分析Aggentt部分算算法的选选择5.1平平稳性分分析算法法选择由于时间间序列的的平稳性性、季节节性分析析相对简简单，在在该Aggentt中就采采用计算算时序的的相关系系数来进进行平稳稳性及季季节性的的判断。本文对对其算法法不再赘赘述。如如果时间间序列不不是平稳稳序列，则对其其进行差差分处理理，直到到成为平平稳序列列为止。5.2 相关性性分析算算法选择择相关性分分析我们们采用假假设条件件较少的的R/SS分析法法(Reescaaledd Raangee Annalyysiss)，
11、通通过计算算Hussrt指指数值及及其稳定定性来判判断时序序的相关关性22，3，4。其算法法如下：设一已知知时间序序列为观观测次数数。则个时间间序列观观测点的的均值： (5.1)由此，求求得在区间内内的累积积离差： (5.2)累积离差差的极差差为：(5.33)区间内内的标准准差为： (5.44) R/S 统统计量为为： (5.5)其中，aa 为常常数，HH为赫斯斯特（HHursst）指指数。在Ageent中中，按以以下步骤骤来估计计Hurrst指指数。 把观测次次数为NN的时间间序列分分为M个个长为的区间间（）。 按(5.1)到到(5.5)式式计算每每个区间的的R/SS值。 计算M个个R/SS
12、的算术术平均值值，记为为。 建立关系系式： 。对对其两端端取对数数得：(5.88)在图上上作回归归，取其其斜率为为Hurrst指指数H的的估计值值。得到H的的估计值值后，可可以按MManddelbbortt 的序序列相关关性度量量指标： (5.9)来度量各各个增量量期间的的序列相相关性。在自然界界各种现现象的数数据序列列中，HHursst指数数有三种种类型：(1) H=0.55；(2) 0H0.55；(3)0.55H1。当HH=0.5时，(5.9)式式等于00，这意意味着时时间序列列是完全全随机的的和不相相关的，现在不不会影响响未来。对此时时间序列列的预测测多半是是没有意意义的。当0H0.55
13、时，(55.9)式小于于0，这意意味着时时间序列列是负相相关的、反持久久性的（Antti-pperssisttencce）、遍历性性的序列列。这类类时间序序列在自自然界中中相当少少见。当当0.55H1时，(55.9)式大于于0 ，这这意味着着时间序序列是正正相关的的、持久久性的（Perrsisstennce）（或是是长记忆忆性）序序列。如如果序列列在前一一个期间间是向上上(下)走走的，那那么，它它在下一一个期间间将继续续是正（负）的的。这类类时间序序列在定定性意义义上是完完全可预预测的，在定量量上，在在一段时时间内也也是可以以预测的的。可测测时间的的长短关关键取决决于该时时间序列列的非线线性程
14、度度如何。5.3 异方差差性分析析算法的的选择对时序的的异方差差检验，计量经经济学家家提出了了十几种种方法。在该AAgennt中我我们采用用Broock et aal.提提出了”鲁棒性性”很强的的非参数数BDSS检验55。本本文对其其算法不不再赘述述。6 结结论 本文从预预测支持持系统中中数据特特征分析析Ageent的的重要性性出发，基于提提高预测测支持系系统有效效性的原原则，设设计了数数据特征征分析AAgennt。研研究了该该Ageent的的功能框框图、功功能表、结构及及部分算算法的选选择。目目的是对对某一预预测对象象的性质质作出判判断，然然后把此此信息传传递给管管理Aggentt，由它它来
15、决定定该对象象的可测测性，并并调用相相关Aggentt完成此此任务。从而提提高整个个预测支支持系统统的工作作效率。参考文献献1 胡胡代平.基于Aggentt的预测测支持系系统的研研究DD.天津大大学博士士学位论论文，1199992 HHursst HH.E ，Blaack R.PP ， Simmaikka YY.M . LLongg ttermm sttoraage cappaciity of resservvoirrsJJ. Trannsacctioons of thee Ammeriicann Soocieety of Civvil Enggineeer 1166, 1195113 Eddgarr .EE. PPeteer
