贵州工业大学学报(自然科学版)2008，Vol.37Issue(3) ：8-11,15.

ARIMAX模型中的异常点挖掘

Outlier Mining in ARIMAX Model

吴吟吟
贵州工业大学学报(自然科学版)2008，Vol.37Issue(3) ：8-11,15.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

ARIMAX模型中的异常点挖掘

Outlier Mining in ARIMAX Model

吴吟吟1
扫码查看

作者信息

  • 1. 无锡职业技术学院,江苏无锡214121
  • 折叠

摘要

异常点挖掘的意义主要体现在两个方面.传统观念中,异常点常常被认为是噪声数据或无用数据,分析时的一般方法是排除这些干扰数据,更好地估计模型的参数.然而,随着Lon-Mu Liu.et(2001)在快餐行业的数据中进行了实例分析,异常点挖掘也被用于挖掘异常点本身所蕴含的信息.ARIMAX模型引入了外部变量,可以更好地拟合数据.因而对含异常点的ARIMAX模型,提出了利用Gibbs抽样挖掘其中AO型异常点的方法,最后进行了模拟试验,取得了较好的结果.

关键词

ARIMAX模型/异常点/Gibbs抽样

引用本文复制引用

出版年

2008
贵州工业大学学报(自然科学版)
贵州大学

贵州工业大学学报(自然科学版)

CSTPCD
影响因子：0.206
ISSN：1009-0193
参考文献量2
段落导航相关论文