專利名稱：一種基于集合經(jīng)驗模式分解和相空間重構的火災時間序列預測方法
技術領域：
本發(fā)明屬于消防技術領域，具體涉及一種火災時間序列預測方法。
背景技術：
火災時間序列，包括火災發(fā)生次數(shù)、死亡人數(shù)和受傷人數(shù)等火災時間序列數(shù)據(jù)。盡管每次火災的發(fā)生具有很大的隨機性，但對一段時間，一個地區(qū)內(nèi)火災時間序列還是有一定的規(guī)律性，比如針對我國某一年內(nèi)火災發(fā)生的次數(shù)就與同年我國經(jīng)濟的發(fā)展、氣候變化等因素有關，具有一定的變化規(guī)律，研究火災發(fā)生次數(shù)的發(fā)生發(fā)展規(guī)律，通過選取合理的火災預測理論和方法，對火災時間序列的過去和現(xiàn)在系統(tǒng)的狀態(tài)討論，預測研究火災時間序列發(fā)生的規(guī)律，可以實現(xiàn)火災時間序列的預測。但是火災時間序列的預測是典型的非線性預測，目前非線性時間序列預測技術主要有兩種方法動力建模預測和統(tǒng)計建模預測。動力建模預測是對時間序列的背景分析和研究，通過相空間重構來計算原非線性動力系統(tǒng)一些非線性不變量，進而利用該動力學系統(tǒng)的確定性和非線性來進行預測。但是動力模式比較復雜，導致非線性不可預測的效應也越來越強。統(tǒng)計建模預測的優(yōu)點在于充分利用資料、方法簡單，采用各種智能計算工具(例如徑向基函數(shù)、人工神經(jīng)網(wǎng)絡以及支持向量機等)，利用它們的學習和逼近能力，通過反復的迭代和學習來擬合比較復雜的非線性模型，進而對時間序列進行預測。不足之處是沒有考慮變量與應變量之間的物理關系，無法進行動力機制的研究。所以將統(tǒng)計與動力相結合是現(xiàn)代預測技術發(fā)展的主要方向。本發(fā)明采用集合經(jīng)驗模式分解方法將火災時間序列分解為不同特征尺度的子序列，通過分析這些不同特征尺度的分量數(shù)據(jù)的動力學特性，采用多變量相空間重構技術對不同特性子序列進行建模和預測，利用各個分量的預測值來預測火災時間序列數(shù)據(jù)的實際值。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對現(xiàn)有火災時間序列預測方法存在的不足，提出了預測精度高、計算工作量小的火災時間序列預測方法。本發(fā)明提出的火災時間序列預測方法，將經(jīng)驗模式分解和相空間重構技術相結合，采用非線性支持向量機來構建預測模型，預測未來的火災時間序列。其基本步驟為首先采用集合經(jīng)驗模式分解方法對火災時間序列進行分解，得到不同特征尺度的子序列；然后采用多變量相空間重構技術對每個分解得到的子序列量進行相空間重構，構建每個子序列的支持向量回歸預測模型，用于估計每個子序列未來的值；再利用各個子序列的預測值來構建支持向量回歸預測模型，以此預測模型預測未來的值。所述預測方法的具體步驟如下 (1)首先對火災時間序列7 == [X1 ,X23---, Xi]進行規(guī)則化處理，即將每個數(shù)據(jù)除以其最大值，得到規(guī)則化數(shù)據(jù)
(2)利用集合經(jīng)驗模式分解方法對規(guī)則化的火災數(shù)據(jù)Xs進行分解，得到其分解分量，即[α,02, ,0}, ,Bo]^= EEMD(Xri) ’ 其中 EEMm 表示
集合經(jīng)驗模式分解，Ci = [ch7ch7--- 7cik,---f表示第ι個分解分量，
R0 =[ ，、，---，Kk ,表示剩余分量；
(3)對上面的分解分量和剩余分量進行動力學分析，采用G-P算法估計每個分量的嵌入維數(shù)畔，并把估計出的嵌入維數(shù)的最大值^ 作為每一分量的相空間嵌入維數(shù)。令
= ^lffi ,對巧E (C15C25--- ,Cp---，Λ0；},每個分量重構得到新的向量
, V- f，其中Vi是Γ分量中第個數(shù)據(jù)。再 Ji L JrJi ‘ Jr1^1 ‘ ‘ ^Jh ιI
將嵌入向量;Fμ ‘與分量；T中對應的下一步的值y ( 組成訓練數(shù)據(jù)對集
/,I^ 1I + 1
(Yit^di )| ，其中rf . = ρ .，為訓練數(shù)據(jù)長度；
(4)采用非線性支持向量回歸構建各個分量的預測模型。利用訓練數(shù)據(jù)對集
(5)將每個分量的預測值作為非線性支持向量回歸集成預測的輸入數(shù)據(jù)，得到原始火災時間序列的預測結果。本發(fā)明方法與現(xiàn)有技術相比較，具有如下顯而易見的突出實質(zhì)性特點和顯著優(yōu)
本發(fā)明提供的基于集合經(jīng)驗模式分解和相空間重構的火災時間序列預測方法是首先對數(shù)據(jù)進行分解，通過先預測各個分量再來預測次數(shù)的實際值，由于各個分量是火災時間序列數(shù)據(jù)不同尺度的分解，各個分量的變化規(guī)律性強，具有較好的可預測性。通過對各個分量進行相空間重構，采用非線性支持向量回歸預測模型，提高了各個分量的預測精度。然后再采用非線性支持向量回歸預測模型，利用各個分量來估計火災時間序列數(shù)據(jù)的實際值， 提高了預測精度。本發(fā)明提供的預測方法能提高火災時間序列數(shù)據(jù)的預測精度，在消防領域具有廣泛應用前景。


圖1為本發(fā)明一個實施例的框圖。
具體實施例方式本發(fā)明的實施例結合附圖祥述如下
本發(fā)明是基于集合經(jīng)驗模式分解和相空間重構的火災時間序列預測方法，如圖1所示，利用我國1950-2007年每年火災時間序列數(shù)據(jù)來構建預測模型，再用估計模型來預測 2008年的數(shù)據(jù)值。首先對我國1950~2008年每年火災時間序列數(shù)據(jù)進行規(guī)則化處理，利用
EEMD對數(shù)據(jù)進行不同尺度的分解，圖中EEMD為模式分解單元，Ci為分解得到的第i個分解分量，R0為剩余分量。然后對每個分量進行相空間重構，圖中Di為第i個分量的相空間重構
單元，SVRi為第i個分量的支持向量回歸預測模型單元，最后采用SVR作為集成預測單元。具體步驟為
第一步，對火災時間序列
權利要求
1.一種基于集合經(jīng)驗模式分解和相空間重構的火災時間序列預測方法，其特征在于基本步驟為首先采用集合經(jīng)驗模式分解方法對火災時間序列進行分解；然后采用多變量相空間重構技術對每個分解量進行相空間重構，構建每個分量的支持向量回歸預測模型，來預測每個分量未來的值；再利用各個分量的預測值來構建支持向量回歸預測模型，以該預測模型來預測火災時間序列未來的值。
2.根據(jù)權利要求1所述的基于集合經(jīng)驗模式分解和相空間重構的火災時間序列預測方法，其特征在于具體步驟為(1 )首先對火災時間序列
3.根據(jù)權利要求2所述的基于集合經(jīng)驗模式分解和相空間重構的火災時間序列預測方法，其特征在于所述采用G-P算法估計相空間嵌入維數(shù)A ,其步驟為(1)先給一個較小的重構相空間
4.根據(jù)權利要求3所述的基于集合經(jīng)驗模式分解和相空間重構的火災時間序列預測方法，其特征在于所述根據(jù)訓練數(shù)據(jù)
全文摘要
本發(fā)明屬于消防技術領域，具體為一種基于集合經(jīng)驗模式分解和相空間重構的火災時間序列預測方法。該發(fā)明首先對數(shù)據(jù)進行集合經(jīng)驗模式分解，得到火災時間序列數(shù)據(jù)不同尺度的分解分量，由于各個分量的變化規(guī)律性強，具有較好的可預測性；然后對各個分量進行相空間重構，并構建非線性支持向量回歸預測模型，對各個分量進行預測；最后采用非線性支持向量回歸預測模型，利用各個分量來預測火災時間序列數(shù)據(jù)的實際值。本發(fā)明提供的預測方法能提高火災時間序列數(shù)據(jù)的預測精度，在消防領域具有廣泛應用前景。
文檔編號G06F19/00GK102184335SQ20111013157
公開日2011年9月14日 申請日期2011年5月20日 優(yōu)先權日2011年5月20日
發(fā)明者劉盛鵬, 張燁, 方戍, 楊昀 申請人:公安部上海消防研究所