申请/专利权人：山西清众科技股份有限公司

申请日：2022-06-21

公开（公告）日：2022-08-26

公开（公告）号：CN114943328A

主分类号：G06N3/04

分类号：G06N3/04;G06N3/08;G06Q10/06;G06K9/62

优先权：

专利状态码：失效-发明专利申请公布后的驳回

法律状态：2024.01.05#发明专利申请公布后的驳回;2022.09.13#实质审查的生效;2022.08.26#公开

摘要：本发明提供了基于BP神经网络非线性组合的SARIMA‑GRU时序预测模型，属于时间序列预测技术领域；解决了如何综合利用多种预测方法所提供的有效信息，通过多个角度分析数据从而获得更好的预测结果的技术问题；解决上述技术问题采用的技术方案为：包括如下步骤：数据预处理：对原始时序数据进行预处理，并划分训练集和测试集；搭建SARIMA时序预测模型：对训练集数据进行平稳性检测，确定SARIMA模型的参数，得到SARIMA时序预测模型；搭建GRU时序预测模型：通过智能优化算法搜索GRU网络超参数，通过梯度下降算法训练GRU网络，得到GRU时序预测模型；搭建BP‑SARIMA‑GRU时序预测模型：构造BP神经网络的训练集，拟合BP神经网络，得到BP‑SARIMA‑GRU时序预测模型；评估BP‑SARIMA‑GRU模型；本发明应用于时序预测。

主权项：1.基于BP神经网络非线性组合的SARIMA-GRU时序预测模型，其特征在于：包括如下步骤：步骤1：数据预处理：对原始时序数据进行预处理，并划分训练集和测试集；步骤2：搭建SARIMA时序预测模型：对训练集数据进行平稳性检测，确定SARIMA模型的参数，得到SARIMA时序预测模型；步骤3：搭建GRU时序预测模型：通过智能优化算法搜索GRU网络超参数，通过梯度下降算法训练GRU网络，得到GRU时序预测模型；步骤4：搭建BP-SARIMA-GRU时序预测模型：构造BP神经网络的训练集，拟合BP神经网络，得到BP-SARIMA-GRU时序预测模型；步骤5：评估BP-SARIMA-GRU模型：将SARIMA和GRU模型在测试集上的预测结果作为输入，得到BP-SARIMA-GRU模型的组合预测结果，计算组合预测结果与真实值间的误差从而评估组合模型的效果。

全文数据：

权利要求：

百度查询： 山西清众科技股份有限公司 基于BP神经网络非线性组合的SARIMA-GRU时序预测模型

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD