科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对基于密度比估计的时间序列变点检测方法受时间窗窗宽限制，识别变点类型单一的问题，利用和发展动态多重过滤算法MFA （Multiple Filtering Algorithm），提出一种多窗口变点检测方法mDRCPD （Multiple Window Density-ratio Change Point Detection）。首先，将处理后的时间序列按多个时间窗进行适当划分，通过比较相邻时间窗数据的分布差异来识别变点，采用基于密度比估计的相对皮尔逊散度来度量不同时间窗数据分布的差异性；其次，固定窗宽下寻找变点集，并按照MFA方法集成各变点集。模拟实验和实证分析表明，与基于密度比的单窗口变点检测方法相比，mDRCPD方法在多变点时间序列变点检测中绝对误差、召回率、F1得分等指标均有改善。最后将mDRCPD方法应用到COVID-19的传播进程分析中，通过对传播率的分段建模来刻画疫情的阶段性特点，评估国家政策在降低疫情传播速度上的效果。
- 单位
