数特征分析Agent设计 国家然科学基金资助项目(79970038)
刘文财2 刘文财博士研究生天津学理学院9051Tel:02227409862Email:lwc106@263net
李英 刘豹 张维
(天津学系统工程研究 天津 300072)
摘 文数特征分析Agent整预测支持系统中重性出发基提高整预测支持系统效率原设计数特征分析Agent出该Agent功框图功表结构部分算法选择
关键词 预测支持系统 数特征 Agent
1 引言
预测支持系统计算机技术工智技术预测技术相结合帮助进行预测软件系统早期预测支持系统计算机技术身结合紧密工智技术应深入着工智技术发展具体成果推出预测研究员研究开发智化预测支持系统[1]中课题组基MultiAgent System预测支持系统智化预测支持系统前子课题
预测支持系统中预测方法部分时间序列方法方法基预测思想时间序列思想认事物发展身存着延续发展程正确识种发展模式预测事物发展程预测时表示事物状态变量历史数统计学方法系统辨识方法建立起描述事物迄止变化规律数学模型推测现实系统状态变量产生时间序列式样稳非稳机非机线性非线性季节性非季节性短记忆长记忆方差异方差等等3 目前文献中出现关时间序列干特性罗列排特性间相互交叉重叠 情况
总异常复杂然基MAS预测支持系统较单预测方法预测支持系统代优越性仙丹妙药包治百病时间序列效完成预测务时间序列难进行定量预测进行定性预测
基MAS预测支持系统发挥效功作支持系统门狗——数特征分析Agent性程度决定该支持系统效性准确程度Agent 完成测时间序列效分类分类信息作输出信号传理Agent选择模型完成预测务文探讨数特征分析Agent设计
2 数特征分析Agent功框图
季节性时序
A
Inform6
Inform5
Inform4
Inform3
Inform2
Inform1
N
Y
N
Y
Y
N
读入时间序列数文件
稳性判断
季节性判断
差分处理
非季节性时序
样量≥2500
利RS进行相关性分析
长短记忆混合时 序
长记忆时 序
完全机时 序
作短记忆 时 序 处理
异方差性
B
C
D
理Agent
图1 数特征分析Agent框图
图中A方差长短记忆混合时序B方差长记忆时序C异方差长短记忆混合时序D异方差长记忆时序
数特征分析Agent功接户理Agent发务预测命令读入时间序列数文件首先利通计算时序相关系数进行序列稳性季节性判断序列稳序列进行足够次差分处理直成稳序列止次进行利RS(Rescaled Range Analysis)分析法进行相关性判断4 里假设样数足够少2500 样样数少2500系统序列作短记忆序列处理
Hurst指数值情况序列分三类H05时序完全机H<05时序反持久性序列然界中相稀少系统作考虑H>05时序正相关长记忆时序H值增量稳定表明时序长记忆时序H值表现出稳定稳定变化状态表明时序长短记忆混合时序两类进行异方差性分析分析结果转换成信息交理Agent处理具体框图图1示
3 数分析agent描述
力表:稳性判断季节性判断相关性分析异方差性判断Hurst值计算
功实现:接户理agent发送Request请求根传送分析数文件详细址包括机器名文件路径文件名完成求特征分析分析结果通通讯原语Inform发送提出请求agent者户数进行稳性季节性相关性分析Hurst指数计算程中需户根计算数文件agent提供帮助信息进行相应处理终处理结果该agent种半动agent
4 数分析agent结构
根数分析agent功特点采反应式agent结构数分析agent说需具信念承诺等精神状态传送数文件进行相应处理处理结果传送提出请求户理agent设计结构图2示
图2 数分析agent结构
数分析agent项力利RS进行相关性分析程中需计算H
urst指数系统种功独立出作agent种力方便户agent面分介绍数分析agent稳性季节性相关性异方差性分析实现
5 数特征分析Agent部分算法选择
51 稳性分析算法选择
时间序列稳性季节性分析相简单该Agent中采计算时序相关系数进行稳性季节性判断文算法赘述果时间序列稳序列进行差分处理直成稳序列止
52 相关性分析算法选择
相关性分析采假设条件较少RS分析法(Rescaled Range Analysis)通计算Husrt指数值稳定性判断时序相关性[234]算法:
设已知时间序列观测次数τ时间序列观测点均值:
(51)
求τ区间累积离差:
(52)
累积离差极差: (53)
τ区间标准差: (54)
RS 统计量: (55)
中a 常数H赫斯特(Hurst)指数
Agent中步骤估计Hurst指数
① 观测次数N时间序列分M长τ区间()
② (51)(55)式计算τ区间RS值
③ 计算MRS算术均值记
④ 建立关系式: 两端取数:
(58)
⑤图作回取斜率Hurst指数H估计值
H估计值Mandelbort 序列相关性度量指标:
(59)
度量增量期间序列相关性
然界种现象数序列中Hurst指数三种类型:(1) H05(2) 0≤H<05(3)05
53 异方差性分析算法选择
时序异方差检验计量济学家提出十种方法该Agent中采Brock
et al提出鲁棒性强非参数BDS检验[5]文算法赘述
6 结
文预测支持系统中数特征分析Agent重性出发基提高预测支持系统效性原设计数特征分析Agent研究该Agent功框图功表结构部分算法选择目某预测象性质作出判断然信息传递理Agent决定该象测性调相关Agent完成务提高整预测支持系统工作效率
参考文献
1 胡代基Agent预测支持系统研究[D]天津学博士学位文1999
2 Hurst HE Black RP Simaika YM Long –term storage capacity of reservoirs[J]
Transactions of the American Society of Civil Engineer 116 1951
3 Edgar E Peters 资市场混沌秩序[M]中译 王东 译济科学出版社1999
4 Mandelbort BB and Van Ness JW Fractional Brownian Motions Fractional Noises
and Applications[J]SIAM Review 196868(10) 442437
5 Jose AScheinkman et alNonlinear Dynamics and Stock Returns[J}Journal of Business1989
62311337
The Design of Agent for Data Character Analysis
in the Forecasting Support System Based on MAS
Liu Wencai Li Ying Liu Bao Zhang Wei
(The Insititute of Systems Engineering Tianjin University
Tianjin 300072)
Abstract In this paper an agent for Data Character Analysis is designed The functional flow chart and structure of this agent are given the choose of some related algorithms is provided also
Keywords Forecasting Support System Data Character Agent
文档香网(httpswwwxiangdangnet)户传
《香当网》用户分享的内容,不代表《香当网》观点或立场,请自行判断内容的真实性和可靠性!
该内容是文档的文本内容,更好的格式请下载文档