基于非线性修正策略的空气质量预警系统研究

建立科学、有效的空气质量预警系统,对于保护人们的身体健康和促进社会和谐稳定具有重要的科学价值和实际意义.为此,本文首先利用孤立森林(isolationforest,iForest)算法进行空气质量指数(air quality index,AQI)离群点分析,然后建立了一种空气质量预警系统,该系统由数据预处理模块、优化模块、预测模块和修正模块构成,融合了时变滤波经验模态分解(time varying filtering based empirical mode decomposition,TVF-EMD)、改进的蝴蝶优化算法(modified butterfly optimization algorithm,MBOA)、离群鲁棒极限学习机(outlier robust extreme learning machine,ORELM)和非线性修正策略,该预警系统成功地实现了空气质量的有效预警.同时,以污染程度不同的5个城市作为实验地点对预警效果进行检验,结果表明:1)与经验模态分解(empirical mode decomposition,EMD)相比,TVF-EMD可以更为有效地降低原始数据的非线性和非平稳性特征;2)基于MBOA的误差非线性修正策略比其他误差修正策略更胜一筹,可以显著提高预警系统的性能;3)建立的预警系统的性能要优于其他对比模型,可以对污染程度不同的城市进行有效预警.     

基于统计分布的小波分析对时间序列孤立点数据的识别与挖掘

针对时间序列中孤立点的挖掘．提出了基于统计分布的小波分析时孤立点数据的挖掘．首先对所采集到的数据进行排序得出经验分布函数，并估计出经验分布函数与总体分布函数之间的差异；然后利用再抽样的方法缩小子样分布函数与总体分布函数之间的差值，在允许的差值之下，利用子样分布函数代替母体分布函数；最后用小波分析对孤立点进行识别与挖掘．     

环中模糊子集的一种序关系

任意非空集合的模糊子集集是无序集．在引入模糊子集值的概念基础上，证明了环中任意模糊子集存在惟一的值，并依据值的大小在模糊子集集中建立了一种序关系．     

环中的α-cut模糊理想

在环中引入α-cut模糊理想,给出判别模糊子集是α-cut模糊理想的充分必要条件;提出模糊子集值的概念,解决了(∈,∈∨q)-模糊理想的推广和模糊理想集合的排序问题;同时,在有限环中给出了模糊子集值的一种有效算法.     

基于混沌的异常数据的动态识别与挖掘

异常数据的识别与挖掘是非常重要的数据分析之一,在传统的数据分析中往往将异常数据的影响最小化或剔除它们,这可能导致重要的隐藏信息的丢失.该文提出了一种时间序列中异常数据检测与挖掘的新方法,首先计算出时间序列相邻两个点之间的斜率,再与混沌预测斜率相比较以检测出数据的偏差点集,其次对偏差点集进行动态方差检测以确定其异常数据集.该算法较好地解决了异常数据分析中的"屏蔽效应"及异常数据识别不能具体量化的缺陷.