作者：曹振丽时间粒度数据流预测方法滑动窗口采样频率
摘要：在传感器获取的实时数据流应用中，对数据流的实时预测不同于一般的时间序列数据，针对不仅须要考虑到资源受限的情况，数据项不能多次查找重复遍历，还要求算法能满足自适应地在线实时处理、满足用户的误差等要求问题，提出一种基于时间粒度的自适应调整灰色模型的数据流预测方法，引入时间粒度的概念，将未来数据流的实时预测分为粗粒度预测和细粒度预测2种，分别采用基于灰色一阶模型和基于灰色二阶模型进行预测对比。结果表明，随着滑动窗口更新周期的增大，预测的成功率反而下降；随着采样频率的变大，预测成功率降低；随着未来数据窗口宽度的增加，预测的平均相对误差增大，基于二阶灰色模型对近期的数据预测比较准确，满足了系统的需求。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
