时空数据库移动点轨迹建模

时空数据库的移动点轨迹建模技术是近年来是时空数据库研究热点之一.本文在给定一系列时空数据库移动点的信息,找出实际应用中时间更新阈值和空间距离阈值,结合移动点时空模型和数学上线性回归的建模思想,建立一种新的支持过去、现在、未来的移动点轨迹模型,并有效地预测了移动点在某一时间阈值内,移动点的运动趋势及范围.     

一种基于数据融合和方法融合的时空综合预测算法

时空数据挖掘是数据挖掘中的重要研究内容,其中时空预测的应用领域最为广泛．针对目前时空预测方法中的不足,提出了一种基于数据融合和方法融合的时空综合预测算法．该方法首先采用统计学原理对目标对象本身的时序进行预测;然后通过神经网络解算相邻对象的空间影响,继而对混合数据序列使用时空自回归预测模型;最后使用线性回归将单个的时间预测、空间预测和时空预测有效地融合在一起,得到综合预测结果．应用该方法预测铁路客流,突破了传统铁路客流预测方法的局限,实验结果表明了算法的有效性．     

TDLRtree时空数据库索引结构及实现算法

提出了一种新的时空数据库索引结构：Temporal Double Level Rtree，简称TDLRtree．TDLRtree利用静止对象作为运动对象的容器，并使用双向链表链接对象的历史状态和将来状态．相比现有的时空数据库索引结构，TDLRtree能支持更多的查询方法和较好的查询速度．本文给出了TDLRtree的体系结构及关键实现算法．     

时空索引的演变与发展

近年来,随着移动计算和无线通信等技术的发展,时空数据库广泛应用于交通控制和全球定位等领域。为了支持时空查询和有效地管理时空数据库中海量的时空对象,专家学者提出了大量的时空索引方法。首先对时空索引进行归纳总结,描绘了时空索引演化历史图;接着对时空查询类型进行介绍;根据时间维将时空索引分为索引过去、当前、将来和全时态4类,根据空间维将时空索引分为移动点和移动区域两类,在此分类基础上对各种时空索引方法进行了阐述;最后对时空索引的研究方向进行了展望。     

基于隐马尔科夫模型的时空序列预测方法

提出了一种基于时空密度聚类的隐马尔科夫模型对时空序列进行预测的方法。时空序列与一般的时间序列相比,最主要的特征是其时空依赖性以及时空非平稳性。针对如何有效地预测不同尺度分布的时空序列的问题,本文采用基于时空密度聚类的隐马尔科夫模型,该模型不仅能分析时空序列在时间和空间上的相关性,而且可以通过时空序列的分段有效地去除噪声,提高模型预测的精度。本文采用该模型对药品冷藏库中的时空序列温度数据进行分析预测,并与其他预测模型比较,结果显示本文提出的方法更准确有效。     

时空对象关系模型研究

时空数据模型是时空数据库的研究重点之一，以往提出的时空数据模型存在着不同的缺点。本文以抽象数据类型为基础，提出了一个基于对象关系模型的时空对象关系模型STORM，给出了STORM的形式化定义，并证明STORM可以有效地表示时空信息和时空变化。     

基于MOST模型的移动对象全轨迹建模

针对以往建模方法的不足,在移动对象时空(MOST)模型基础上结合离散建模的思想提出支持过去、现在、未来信息处理的全轨迹模型。MOST模型不能处理历史信息,可以在基于点的建模方法之上采用线性插值的思想来解决。它可以处理当前、短暂的未来信息,可采用速度预测方法处理较长未来信息。给出全轨迹模型上3种速度预测方法及2种位置更新策略的比较结果。     

一种基于对象关系模型的时空数据库管理系统体系结构

时空数据库的关键与难点在于其实现技术．本文提出了一种基于对象关系模型的优化型时空数据库管理系统体系结构，该体系结构采用时空数据类型扩展和时空操作扩展技术对数据库管理系统的内核进行扩充，使其具有内建的时空数据管理能力，同时以时空查询优化层实现时空查询的逻辑优化，解决了底层数据库管理系统的查询优化问题。     

基于对象行为的时空拓扑模型

通过对时空对象的行为进行分析，提出了一种时空拓扑关系模型，并在此基础上提出了时空拓扑的分解和重构算法．该算法既可以跟踪对象本身的历史，同时也可以跟踪在不同的时间段(或时刻)的空间对象之间的关系．模型和算法对于时空拓扑的描述提供了一种可行的解决方案．     

时空数据库中数据建模的研究

研究了时空数据库中的时空建模技术。早期表示时空信息的数据模型通常用基于几何学的空间对象来表示实体，重要的特性都用空间对象的属性来表示。时态信息可以与基于时间戳的独立层次相关联，也可以与独立的空间对象相关联。随着时空建模的进一步发展，出现了面向对象的数据模型和基于事件的数据模型。综合研究了这些典型的时空数据模型，讨论了它们的应用及时空分析建模的作用。此外介绍了针对移动对象的数据类型的建模方法，以及在时空分析数据库管理系统STADBS中，基于Realms的二级平衡二叉树的时空数据模型。     

AGM(1,1)模型的研究及应用

传统灰色模型GM(1, 1)是一种有偏差的指数模型,具有所需数据少、预测精度高和无需先验信息等优点,但有时预测效果不佳。基于这种情况,该文提出改进的灰色预测模型AGM (1, 1)及建模步骤,利用该模型实例预测某省参加国内游的年度总人数,并与传统的灰色预测模型结果相比较。结果表明,改进后的灰色预测模型精度更高、误差更小、简捷、实用,能够为相关部门的决策提供科学的理论 依据。     

灰色Verhulst 预测模型的数乘特性

为揭示灰色Verhulst模型的建模精度在系统原始特征序列数乘变换前后的变化规律,降低其建模复杂性,研究了灰色Verhulst模型的建模参数在系统原始特征序列经过数乘变换前后的量化关系以及数乘变换对该模型建模精度的影响程度.研究结果表明,灰色Verhulst模型的建模精度与系统原始数据序列的数乘变换无关.利用数乘变换能降低原始数据的量级,简化建模过程,而不会改变灰色Verhulst模型的建模精度.     

面向对象的3级结构时空数据模型

时态GIS的组织核心是地理时空数据库。时空数据模型则是时空数据库的基础。文中对已有的时态属性数据表达方法，时空数据模型进行了系统的分析。对设计时空数据模型所必须解决的问题进行了讨论。从面向对象的基本概念出发，着重阐述了面向对象时空数据模型的设计方法，完整地定义和描述了时空数据模型所涉及的时空对象类型。文中还对模型的时态属性数据组织和空间对象的时态处理进行了描述。     

基于灰色Verhulst模型的因特网访问人数预测分析

本文预测因特网访问人数,为开展网络建设、应用及管理提供决策依据;分析了实测数据反映的特征,给出了基于灰色Verhulst模型的建模理据和预测分析的详细过程;对模型预测结果进行了分析验证,模型的拟合精度检验指标（C=0．09,P=1．00）达优。检验结果表明,所建立的Verhulst模型对同等实测数据的预测效果优于GMC（1,n）模型 。     

灰色系统理论预测算法GM(1,1)模型研究及其应用

目前,农村经济数据存在小样本、少数据和信息不完全等问题,用传统的建模方法并不太适合.灰色系统理论是一种研究少数据、贫信息、不确定性问题的新方法,它在农村经济预测中相对于传统预测方法有明显的优势.重点研究了GM(1,1)模型、等维灰数递补动态模型和周期修正模型,对预测算法存在的不足和缺陷提出了改进方案,并运用matlab...     

面向季节性时空数据的预测式循环网络及其在城市计算中的应用

实际生活中有很多带有季节特征的时空数据,在城市计算领域分布尤广,例如交通流量数据便具有较为明显的以天或周为周期的统计学特征.如何有效利用这种季节特征,如何捕捉历史观测与待预测数据之间的相关性,成为了预测此类时空数据未来变化趋势的关键.传统时序建模方法将时序数据分解为多个信号分量,并使用线性模型来进行预测.此类方法具有较强的理论基础,但对于数据的平稳性要求过于严格,难以预测趋势信息复杂的数据,更不适用于高维的时空数据.然而在真实场景下,季节性时空数据的周期长短可变,且不同周期的对应关系往往并不固定,存在时间、空间上的模式变化与偏移,很难作为理想的周期信号以传统时序方法建模.相比之下,深度神经网络建模能力更强,可拟合更为复杂的数据.近几年有许多工作研究了如何利用卷积神经网络和循环神经网络来处理时空数据,也有一些工作讨论了如何有效利用周期性信息提升预测的准确性.但深度神经网络受困于梯度消失和误差累积,难以捕捉时序数据中的长时间依赖,且少有方法讨论如何在深度神经网络中有效建模上述具有弹性周期对应关系的时空信号.本文针对真实场景下季节性时空数据的上述问题,给出具有弹性周期对应关系的时空数据预测问题的形式化定义,并提出了一种新的季节性时空数据预测模型.该模型包含季节网络、趋势网络、时空注意力模块三个部分,可捕捉短期数据中的临近变化趋势和长期数据中隐含的季节性趋势,并广泛考虑历史周期中的每个时空元素对未来预测值的影响.为了解决深度循环网络难以捕捉时序数据中的长时间依赖的问题,本文提出一种新的循环卷积记忆单元,该单元将上述模块融合于一个可端到端训练的神经网络中,一方面实现了时间和空间信息统一建模,另一方面实现了短期趋势特征与历史周期特征的统一建模.进一步地,为了解决季节性数据中的各周期时空元素对应关系不固定的问题,本文探讨了多种基于注意力模块的时空数据融合方式,创新性地提出一种级联式的时空注意力模块,并将其嵌入于上述循环卷积记忆单元内.该模块建模记忆单元的隐藏状态在不同周期内的弹性时空对应关系,自适应地选取相关度高的季节性特征辅助预测.实验部分,我们选取了两个时空数据预测在城市计算中最为典型的应用:交通流量预测和气象数据预报.本文所提出的时空周期性循环神经网络在北京、纽约的交通流量数据集、美国气象数据集上均取得了目前最高的预测准确性.     

灰色系统理论预测算法研究及其在农村经济分析中的应用

三农问题是全面建设小康社会的关键问题.为确保农村经济的稳定发展,对农村经济发展的科学预测就显得尤为重要.运用灰色系统理论对农村经济预测问题进行了研究,建立了灰色数学模型,讨论了模型的建立、参数求解、模型的检验等.最后分析了农村经济数据的特点,并运用matlab GUI完成了灰色预测算法的实现.     

基于残差改进的灰色模型网络流量预测

网络流量是衡量网络运行负荷和状态的重要参数,也是网络规划、流量管理等方面起着重要的作用的重要参数.在流量管理中,流量模型用于评价接入控制机制和预测网络性能.灰色模型在反映数据的趋势性变化上效果明显,随着灰色理论的发展及其广泛应用,越来越多的改进方法已经被提出.在对原有的模型进行研究的基础上提出进一步改进模型来对网络流量进行预测.     

时空二维机器人电触觉临场感模型研究

针对机器人电触觉临场感应用的刺激电流参数设计,阐述了电刺激触觉的实现原理,建立了基于时间和空间的二维电刺激触觉临场感模型,并进一步建立了触觉容许限与刺激电流之间的数学关系．模型分析认为,刺激电流的动态范围是电触觉研究的重要内容,最佳电流是若干触点组最佳刺激电流的集合,极端情况下,各触点的刺激电流须单独进行设定．