具有缺失值及异常值的时间序列处理与再筛选机制

摘要

多维时间序列数据应用广泛,但会因缺失或异常值的出现,导致数据不可靠。该文提出了多维时间序列数据处理与再筛选机制(MTSM)方法。该方法基于缺失值的Transformer填补,结合3σ法与箱型图检测、分层修正异常值,并依据数据类型应用多尺度模糊熵、边界混合重采样及高斯混合聚类采样,对填补和修正后的数据进行再筛选。基于世界卫生组织的COVID-19数据进行了对比分析,结果表明MTSM方法在不同缺失率及异常率下均优于GRU、RNN和LATC,在精度与鲁棒性方面也表现突出。

关键词

时间序列 / 缺失值填补 / 异常值处理 / 再筛选机制 / MTSM方法