Time series forecasting algorithms

Time series forecasting algorithms have seen widespread
application in hydrology. As examples, Yu et al. (2004) combine
a support vector machine with chaos theory to analyze
chaotic time series, and Phoon et al. (2002) explore an
inverse method to forecast nonlinear time series. In a similar
vein, artificial neural network methods have been applied in
Palani et al. (2008) to forecast water quality data. To detect
contamination events, classification methods have also
been widely examined. As an example, Yang et al. (2009)
develop a real-time method for contaminant detection and
classification, while Branisavljevic et al. (20011) examine a
context classification method for real-time anomaly detection.
A real-time, threshold-based approach for detecting
intentional contamination events is proposed by Byer
(2005). Studies concerning attributes of water quality sensors
in the framework of contamination events have also been
investigated; for more details see McKenna et al. (2006),
Hatzikos et al. (2007), Yang et al. (2009) and Koch &
McKenna (2010).Work on the subject is presented in various
reports and reviews, for example Grayman et al. (1988),
Hasan et al. (2004, 2005), Chau (2006), Murray et al. (2010)
and Perelman et al. (2010). A general framework for event
detection is to combine a forecasting method with an algorithm
that can analyze the residuals of the forecast to
determine the onset of an event. Change-point detection
methods provide a means of event determination and are
being applied for water quality monitoring.

ผลลัพธ์ (ไทย) 1:

ชุดเวลาที่อัลกอริทึมการคาดการณ์ได้เห็นอย่างแพร่หลายโปรแกรมประยุกต์ในอุทกวิทยา เป็นตัวอย่าง รวม Yu et al. (2004)เครื่องสนับสนุนเวกเตอร์กับทฤษฎีความอลวนเพื่อวิเคราะห์ชุดเวลาวุ่นวาย และพูน et al. (2002) ได้วิธีการผกผันการคาดการณ์เวลาไม่เชิงเส้นชุด ในความคล้ายคลึงกันหลอดเลือดดำ วิธีโครงข่ายประสาทเทียมได้ใช้ในPalani et al. (2008) เพื่อคาดการณ์ข้อมูลคุณภาพน้ำ การตรวจสอบเหตุการณ์การปนเปื้อน วิธีจัดประเภทมีถูกมากตรวจสอบ เป็นตัวอย่าง Yang et al. (2009)พัฒนาวิธีเรียลไทม์ตรวจสารปนเปื้อน และประเภท ในขณะที่ Branisavljevic et al. (20011) ตรวจสอบการวิธีการจัดประเภทเนื้อหาสำหรับการตรวจหาความผิดปกติแบบเรียลไทม์วิธีการแบบเรียลไทม์ ตามขีดจำกัดสำหรับการตรวจสอบเหตุการณ์ปนเปื้อนตกเสนอ โดย Byer(2005) ศึกษาเกี่ยวกับคุณลักษณะของน้ำคุณภาพเซ็นเซอร์ในกรอบของการปนเปื้อน เหตุการณ์ยังได้ตรวจสอบ สำหรับรายละเอียดเพิ่มเติมดู McKenna et al. (2006),Hatzikos et al. (2007), al. และยาง (2009) และคอและMcKenna (2010)ทำงานในเรื่องนำเสนอในที่ต่าง ๆรายงาน และแสดงความคิด เห็น เช่น Grayman et al. (1988),Al. ร้อยเอ็ดฮะ (2004, 2005), เชา (2006) เมอร์เรย์ et al. (2010)และอรี et al. (2010) กรอบงานสำหรับเหตุการณ์ทั่วไปตรวจสอบจะรวมวิธีการคาดการณ์กับอัลกอริทึมการที่สามารถวิเคราะห์ค่าคงเหลือของการคาดการณ์การกำหนดของเหตุการณ์ เปลี่ยนจุดตรวจวิธีการจัดให้มีวิธีการกำหนดเหตุการณ์ และมีถูกใช้สำหรับตรวจสอบคุณภาพน้ำ

ผลลัพธ์ (ไทย) 2:

เวลาขั้นตอนวิธีการพยากรณ์ชุดได้เห็นอย่างกว้างขวาง
การประยุกต์ใช้ในอุทกวิทยา ในฐานะที่เป็นตัวอย่าง Yu et al, (2004) รวม
เครื่องสนับสนุนเวกเตอร์กับทฤษฎีความสับสนวุ่นวายในการวิเคราะห์
อนุกรมเวลาวุ่นวายและพูนและคณะ (2002) สำรวจ
วิธีการผกผันที่จะคาดการณ์อนุกรมเวลาไม่เชิงเส้น ในคล้าย
เส้นเลือดวิธีเครือข่ายประสาทเทียมที่ได้รับนำไปใช้ใน
พาลานีและคณะ (2008) ที่จะคาดการณ์ข้อมูลคุณภาพน้ำ เพื่อตรวจสอบ
เหตุการณ์การปนเปื้อนวิธีการจำแนกยังได้
รับการตรวจสอบกันอย่างแพร่หลาย ตัวอย่างเช่นยางและคณะ (2009)
พัฒนาวิธีเรียลไทม์สำหรับการตรวจหาสารปนเปื้อนและ
การจัดหมวดหมู่ในขณะที่ Branisavljevic และคณะ (20011) ตรวจสอบ
วิธีการจำแนกบริบทเวลาจริงการตรวจสอบความผิดปกติ.
เวลาจริงวิธีเกณฑ์ที่ใช้ในการตรวจหา
การปนเปื้อนเหตุการณ์เจตนาจะเสนอโดยเมือง
(2005) การศึกษาเกี่ยวกับคุณลักษณะของเซ็นเซอร์คุณภาพน้ำ
ในกรอบของเหตุการณ์การปนเปื้อนยังได้รับการ
ตรวจสอบ; สำหรับรายละเอียดเพิ่มเติมดู McKenna และคณะ (2006),
Hatzikos และคณะ (2007), ยางและคณะ (2009) และโคช์ &
McKenna (2010) .Work ในเรื่องจะนำเสนอในที่แตกต่างกัน
รายงานและความคิดเห็นเช่น Grayman และคณะ (1988),
ฮะซันและคณะ (2004, 2005), โจว (2006), เมอเรย์และคณะ (2010)
และ Perelman และคณะ (2010) กรอบทั่วไปสำหรับเหตุการณ์
การตรวจสอบคือการรวมวิธีการพยากรณ์ด้วยวิธี
ที่สามารถวิเคราะห์ความคลาดเคลื่อนของการคาดการณ์ในการ
ตรวจสอบการโจมตีของเหตุการณ์ การตรวจหาจุดเปลี่ยน
วิธีการให้ความหมายของการกำหนดเหตุการณ์และ
ถูกนำมาใช้สำหรับการตรวจสอบคุณภาพน้ำ

ผลลัพธ์ (ไทย) 3:

การพยากรณ์อนุกรมเวลาขั้นตอนวิธีได้เห็นโปรแกรมที่แพร่หลาย
ในอุทกวิทยา เป็นตัวอย่าง , ยู et al . ( 2004 ) รวม
สนับสนุนเวกเตอร์เครื่องจักรกับทฤษฎีความยุ่งเหยิงวุ่นวาย
วิเคราะห์อนุกรมเวลา และพูน et al . ( 2002 ) สํารวจ
วิธีผกผันพยากรณ์อนุกรมเวลาเชิงเส้น . ในหลอดเลือดดำที่คล้ายกัน
, โครงข่ายประสาทเทียม วิธีการได้ถูกประยุกต์ใช้ใน
palani et al .( 2008 ) เพื่อพยากรณ์ข้อมูลคุณภาพน้ำ เพื่อตรวจหา
เหตุการณ์การปนเปื้อน , วิธีการจำแนกได้
กันอย่างกว้างขวาง การตรวจสอบ เป็นตัวอย่าง หยาง et al . ( 2009 )
พัฒนาวิธีเรียลไทม์สำหรับการตรวจหาสารปนเปื้อนและ
การจำแนก ในขณะที่ branisavljevic et al . ( ล่าสุด ) ศึกษาวิธีการตรวจหาความผิดปกติของ

เวลาจริงเวลาจริง วิธีการที่ใช้สำหรับการตรวจหา
, เกณฑ์เหตุการณ์การปนเปื้อนโดยเจตนาที่เสนอโดย byer
( 2005 ) การศึกษาเกี่ยวกับคุณลักษณะของน้ำคุณภาพเซ็นเซอร์
ในกรอบของเหตุการณ์การปนเปื้อนนอกจากนี้ยังมี
) ; สำหรับรายละเอียดเพิ่มเติมเห็น McKenna et al . ( 2006 ) ,
hatzikos et al . ( 2007 ) , หยาง et al . ( 2009 ) และ คอช&
McKenna ( 2010 ) ทำงานในเรื่องที่นำเสนอในรายงานต่างๆ
และความคิดเห็น , ตัวอย่างเช่น Grayman et al . ( 1988 )
Hasan et al . ( 2004 , 2005 ) , เชา ( 2006 ) , Murray et al . ( 2010 )
กับเพเรลมาน et al . ( 2010 ) กรอบทั่วไปสำหรับการค้นหาเหตุการณ์
คือการรวมวิธีการพยากรณ์ด้วยขั้นตอนวิธี
ที่สามารถวิเคราะห์ความคลาดเคลื่อนของการพยากรณ์

หา onset ของเหตุการณ์ วิธีการค้นหา
เปลี่ยนจุดให้หมายถึงงานมุ่งมั่นและจะถูกใช้สำหรับการตรวจสอบคุณภาพน้ำ
.