基于自适应集成的非平稳时间序列预测的双增量学习方法

本发明涉及时间序列预测技术领域，公开了一种基于自适应集成的非平稳时间序列预测的双增量学习方法，通过能够更新的预测模型，对非平稳的振动时间序列进行预测；预测模型的更新过程，具体包括：数据预处理：获取振动时间序列，并对振动时间序列进行初步处理；变化检测：利用统计假设检验和自适应滑动窗口技术，检测振动时间序列的变化程度；模型更新：采用随机向量函数链接构建在线深度表示学习模型，作为基本模型，并根据振动时间序列的变化程度，采用单增量更新或者双增量学习机制对基本模型进行更新，或者创建新的基本模型，并计算基本模型的权重；变化检测：将更新后的基本模型进行加权集成，形成最终的预测模型。