摘要：多因素时间序列数据及异常数据的可视化对于提高决策分析效率等问题具有十分重要的意义.由于不同种类数据具有不同的特征,传统的可视化方法在绘制此类数据时会出现图像复杂、用户观察效率低的情况.为此,提出一种高效探索多因素时间序列数据及异常数据的可视化方法MDataEE.首先,使用可视化映射简化多种类数据的视图;其次,根据数据的密度和重要性以及视觉感知来优化坐标轴的绘制;最后,增加了一些交互操作,通过图像显隐及生成对比视图等操作,方便用户根据需求自由探索不同方面的数据.在真实PM2.5数据集上进行的实验结果表明,与传统可视化方法相比,所提出的方法能够生成简洁且易于分析的可视化视图,在分析异常数据变化的趋势及原因等方面更有优势,可提高用户理解并分析异常的多因素时间序列数据的效率.

摘要：时间序列预测目前在众多领域有着广泛应用.如果可以准确估计事件或指标的未来发展,它可以帮助人们做出重要的决定.然而对不同时间序列建立模型并准确预测已成为最具挑战的应用之一.因此,本文提出了一种新颖的混合多步预测模型,称为SSA-ConvBiAE.首先,通过奇异谱分析(SSA)将原始数据分解为不同的趋势分量.其次,设计了新的基于卷积长短期记忆(ConvLSTM)和双向门控循环单元(BiGRU)的自动编码器网络结构.最后,将不同的分量分别输入到对应的自动编码器中进行训练和预测并求和预测结果.为了评价模型的预测性能,在真实的供水数据集和公开的时间序列数据集上进行了实验,实验结果表明,模型的预测结果优于基线方法.本文已在网站https://***/VIMLab-hfut/SSA-ConvBiAE上发布了源代码.