文档介绍：基于Multi-Agent System预测支持系统
数据特征分析Agent设计国家自然科学基金资助项目(79970038)
刘文财2 刘文财,博士研究生,天津大学管理学院9051,Tel:022-27409862,E-mail:lwc106@。
李英刘豹张维
(天津大学系统工程研究所天津 300072)
摘要本文从数据特征分析Agent在整个预测支持系统中的重要性出发,基于提高整个预测支持系统效率的原则,设计了数据特征分析Agent。给出了该Agent的功能框图、功能表、结构及部分算法的选择。
关键词预测支持系统数据特征 Agent
1 引言
预测支持系统是将计算机技术、人工智能技术与预测技术相结合,能帮助人们进行预测的软件系统。早期的预测支持系统主要与计算机技术本身结合很紧密,人工智能技术的应用不是很深入。随着人工智能技术的发展与具体成果的推出,预测研究人员研究与开发了智能化预测支持系统[1]。其中本课题组的基于Multi-Agent System的预测支持系统是智能化预测支持系统的前沿子课题。
预测支持系统中的预测方法大部分是时间序列方法,这些方法所基于的预测思想是时间序列思想。即认为事物发展本身存在着一个延续的发展过程。正确地识别这种发展模式可以预测事物的发展过程。在预测时,依据表示事物状态的主要变量的历史数据,用统计学方法或系统辨识方法建立起描述事物迄今为止的变化规律的数学模型,并以此来推测将来。而现实系统的状态变量所产生的时间序列是各式各样的,既有平稳的、非平稳的,随机的、非随机的,线性的、非线性的,又有季节性的、非季节性的,短记忆的、长记忆的,同方差的与异方差的等等3 只是按目前在文献中出现的有关时间序列的若干特性罗列,不排除各特性之间有相互交叉与重叠的情况
。总之,异常复杂。虽然基于MAS的预测支持系统较之单个预测方法或其它预测支持系统有其不可替代的优越性,但它并不是仙丹妙药,包治百病。对有些时间序列,它能有效地完成预测任务;但对另一些时间序列却难以进行定量预测,只能进行定性预测。
所以,要使基于MAS的预测支持系统发挥有效的功能,作为支持系统的“看门狗” ——数据特征分析Agent的性能如何在很大程度上决定了该支持系统的有效性与准确程度。这个Agent 要完成对被测时间序列有效的分类,并把分类的信息作为输出信号传给管理Agent,由它选择模型完成预测任务。本文就探讨数据特征分析Agent的设计。
2 数据特征分析Agent的功能框图
季节性时序
A
N
Y
N
Y
Y
N
读入时间序列数据文件
平稳性判断
季节性判断
差分处理
非季节性时序
样本量≥2500
利用R/S进行相关性分析
长短记忆混合时序
长记忆时序
完全随机时序
作短记忆时序处理
异方差性
B
C
D
管理Agent
图1 数据特征分析Agent框图
图中A是同方差长短记忆混合时序,B是同方差长记忆时序,C是异方差长短记忆混合时序,D是异方差长记忆时序。
数据特征分析Agent主要功能是接到用户或管理Agent发来任务预测的命令,读入时间序列数据文件,首先利用通过计