1、基于Multi-Agent System預測支持系統數據特征分析Agent設計 國家自然科學基金資助項目（79970038）文財2 劉文財，博士研究生，XX大學管理學院9051，TelE-mail：lwc106。英豹 維 （大學系統工程研究所 300072）摘要 本文從數據特征分析Agent在整個預測支持系統中的重要性出發，基于提高整個預測支持系統效率的原則，設計了數據特征分析Agent。給出了該Agent的功能框圖、功能表、結構與部分算法的選擇。關鍵詞 預測支持系統 數據特征 Agent1 引言預測支持系統是將計算機技術、人工智能技術與預測技術相結合，能幫助人們進

2、行預測的軟件系統。早期的預測支持系統主要與計算機技術本身結合很緊密，人工智能技術的應用不是很深入。隨著人工智能技術的發展與具體成果的推出，預測研究人員研究與開發了智能化預測支持系統1。其中本課題組的基于Multi-Agent System的預測支持系統是智能化預測支持系統的前沿子課題。預測支持系統中的預測方法大部分是時間序列方法，這些方法所基于的預測思想是時間序列思想。即認為事物發展本身存在著一個延續的發展過程。正確地識別這種發展模式可以預測事物的發展過程。在預測時，依據表示事物狀態的主要變量的歷史數據，用統計學方法或系統辨識方法建立起描述事物迄今為止的變化規律的數學模型，并以此來推測將來。而

3、現實系統的狀態變量所產生的時間序列是各式各樣的，既有平穩的、非平穩的，隨機的、非隨機的，線性的、非線性的，又有季節性的、非季節性的，短記憶的、長記憶的，同方差的與異方差的等等3 只是按目前在文獻中出現的有關時間序列的若干特性羅列，不排除各特性之間有相互交叉與重疊的 情況。總之，異常復雜。雖然基于MAS的預測支持系統較之單個預測方法或其它預測支持系統有其不可替代的優越性，但它并不是仙丹妙藥，包治百病。對有些時間序列，它能有效地完成預測任務；但對另一些時間序列卻難以進行定量預測，只能進行定性預測。所以，要使基于MAS的預測支持系統發揮有效的功能，作為支持系統的“看門狗”數據特征分析Agent的性能

4、如何在很大程度上決定了該支持系統的有效性與準確程度。這個Agent 要完成對被測時間序列有效的分類，并把分類的信息作為輸出信號傳給管理Agent，由它選擇模型完成預測任務。本文就探討數據特征分析Agent的設計。2 數據特征分析Agent的功能框圖季節性時序AInform.6Inform.5Inform.4Inform.3Inform.2Inform.1NYNYYN讀入時間序列數據文件平穩性判斷季節性判斷差分處理非季節性時序樣本量2500利用R/S進行相關性分析長短記憶混合時 序長記憶時 序完全隨機時 序作短記憶 時 序 處理異方差性BCD管理Agent圖1 數據特征分析Agent框圖圖中A是

5、同方差長短記憶混合時序，B是同方差長記憶時序，C是異方差長短記憶混合時序，D是異方差長記憶時序。數據特征分析Agent主要功能是接到用戶或管理Agent發來任務預測的命令，讀入時間序列數據文件，首先利用通過計算時序的自相關系數進行序列的平穩性與季節性判斷。若序列不是平穩序列，則進行足夠多次的差分處理，直到成為平穩序列為止。其次進行利用R/S（Rescaled Range Analysis）分析法進行相關性判斷4 這里假設樣本數據足夠多，至少有2500 個樣本。若樣本數據少于2500，則系統將序列作為短記憶序列處理。按Hurst指數值的不同情況把序列分為三類。若H=0.5，則時序為完全隨機的；若

6、H<0.5，則時序為反持久性序列，這在自然界中相當稀少，在本系統不作考慮；若H>0.5，則時序為正相關的，長記憶時序。若H值對每一增量穩定，則表明時序就是長記憶時序；若H值表現出從不穩定到穩定的變化狀態，則表明時序是長短記憶混合時序。并這兩類進行異方差性分析。最后把分析結果轉換成信息，交管理Agent處理。具體框圖如圖1所示。3 數據分析agent的描述能力表：平穩性的判斷、季節性判斷、相關性分析、異方差性判斷、Hurst值計算。功能實現：接到用戶或管理agent發送的Request請求后，根據傳送來的待分析數據文件的詳細地址，包括所在機器名、文件路徑與文件名，對其完成所要求的特征

7、分析，并將分析后的結果通過通訊原語“Inform”，發送給提出請求的agent或者用戶。在對數據進行平穩性，季節性、相關性分析與Hurst指數計算過程中，需要用戶根據計算所得到的數據文件與agent所提供的幫助信息進行相應的處理，才能得到最終的處理結果，因此該agent是一種半自動的agent。4 數據分析agent的結構 根據數據分析agent的功能與特點，可以采用反應式的agent結構。因為對于數據分析agent來說，不需要具有信念、承諾等精神狀態，只對傳送來的數據文件進行相應的處理，并將處理結果傳送給提出請求的用戶或管理agent。所設計的結構如圖2所示。圖2 數據分析agent的結構數

8、據分析agent的一項主要能力是利用R/S進行相關性分析，在這個過程中需要計算Hurst指數，因此系統把這種功能獨立出來也作為agent的一種能力，以方便用戶或其它agent的使用。下面分別介紹數據分析agent的平穩性、季節性、相關性、異方差性分析的實現。5 數據特征分析Agent部分算法的選擇5.1平穩性分析算法選擇由于時間序列的平穩性、季節性分析相對簡單，在該Agent中就采用計算時序的相關系數來進行平穩性與季節性的判斷。本文對其算法不再贅述。如果時間序列不是平穩序列，則對其進行差分處理，直到成為平穩序列為止。5.2 相關性分析算法選擇相關性分析我們采用假設條件較少的R/S分析法(Res

9、caled Range Analysis)，通過計算Husrt指數值與其穩定性來判斷時序的相關性2，3，4。其算法如下：設一已知時間序列為觀測次數。則個時間序列觀測點的均值： (5.1)由此，求得在區間的累積離差： (5.2)累積離差的極差為：(5.3)區間的標準差為： (5.4) R/S 統計量為： (5.5)其中，a 為常數，H為赫斯特（Hurst）指數。在Agent中，按以下步驟來估計Hurst指數。 把觀測次數為N的時間序列分為M個長為的區間（）。 按(5.1)到(5.5)式計算每個區間的R/S值。 計算M個R/S的算術平均值，記為。 建立關系式： 。對其兩端取對數得：(5.8)在圖上

10、作回歸，取其斜率為Hurst指數H的估計值。得到H的估計值后，可以按Mandelbort 的序列相關性度量指標： (5.9)來度量各個增量期間的序列相關性。在自然界各種現象的數據序列中，Hurst指數有三種類型：(1) H=0.5；(2) 0H<0.5；(3)0.5<H1。當H=0.5時，(5.9)式等于0，這意味著時間序列是完全隨機的和不相關的，現在不會影響未來。對此時間序列的預測多半是沒有意義的。當0H<0.5時，(5.9)式小于0，這意味著時間序列是負相關的、反持久性的（Anti-persistence）、遍歷性的序列。這類時間序列在自然界中相當少見。當0.5<H

11、1時，(5.9)式大于0 ，這意味著時間序列是正相關的、持久性的（Persistence）（或是長記憶性）序列。如果序列在前一個期間是向上(下)走的，那么，它在下一個期間將繼續是正（負）的。這類時間序列在定性意義上是完全可預測的，在定量上，在一段時間也是可以預測的。可測時間的長短關鍵取決于該時間序列的非線性程度如何。5.3 異方差性分析算法的選擇對時序的異方差檢驗，計量經濟學家提出了十幾種方法。在該Agent中我們采用Brock et al.提出了”魯棒性”很強的非參數BDS檢驗5。本文對其算法不再贅述。6 結論 本文從預測支持系統中數據特征分析Agent的重要性出發，基于提高預測支持系統有效

12、性的原則，設計了數據特征分析Agent。研究了該Agent的功能框圖、功能表、結構與部分算法的選擇。目的是對某一預測對象的性質作出判斷，然后把此信息傳遞給管理Agent，由它來決定該對象的可測性，并調用相關Agent完成此任務。從而提高整個預測支持系統的工作效率。參考文獻1 胡代平.基于Agent的預測支持系統的研究D.大學博士學位論文，19992 Hurst H.E ，Black R.P ， Simaika Y.M . Long term storage capacity of reservoirsJ. Transactions of the American Society of Civi

13、l Engineer 116, 19513 Edgar .E. Peters. 資本市場的混沌與秩序M.中譯本 / 王小東 譯經濟科學，19994 Mandelbort B.B. and Van Ness J.W. ，Fractional Brownian Motions ，Fractional Noises and ApplicationsJ.SIAM Review ,1968，68(10): 442-4375Jose A.Scheinkman et al，Nonlinear Dynamics and Stock ReturnsJ，Journal of Business，1989， 62:311-337The Design of Agent for Data Character Analysisin the Forecasting Support System Based on MASLiu Wencai Li Ying Liu Bao Zhang Wei(The Insititute of Systems Engineering , TianjinUniversity, Tianjin 300072)AbstractIn this paper ,an agent for Da