南京邮电大学学报(自然科学版)

作者：张永潘,张正,徐良红,钱超,丁诚,潘甦

单位：中国电信江苏分公司，江苏 南京 210003中国电信江苏分公司，江苏 南京 210003中国电信江苏分公司，江苏 南京 210003中国电信江苏分公司，江苏 南京 210003中国电信江苏分公司，江苏 南京 210003南京邮电大学 物联网学院，江苏 南京 210003

关键词：时间序列预测；模型系数；数据压缩

基金：国家自然科学基金（62071244）和中国电信江苏分公司数据库技术项目资助项目

提出了一种基于时间序列预测的时序数据库的冷数据压缩方法。该方法采用一种双自回归预测模型对时序数据进行预测，只储存预测值和真实值的残差以及预测模型系数。在解码端通过预测模型系数构建预测模型，输出预测值，然后加上残差恢复原始值。由于残差远远小于原始值，因此可以用很少的比特量化，同时预测模型系数在存储一次后在长时间内不必重复存储，因此达到压缩时序数据的目的。在8个不同大小类型的真实数据集上的实验结果证明了该压缩方法良好的压缩表现，适合处理数据量大但对算法时延没有要求的历史数据。

来源：2025年第04期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2025年第04期