申请/专利权人：东南大学

申请日：2023-09-19

公开（公告）日：2023-11-24

公开（公告）号：CN117114200A

主分类号：G06Q10/04

分类号：G06Q10/04;G06F17/17;G06F17/18;G06F17/16

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.12#实质审查的生效;2023.11.24#公开

摘要：本发明涉及一种基于重分形扩散熵分析算法MF‑DEA的耦合时间序列可预测性分析方法。其特征在于，主要包括以下步骤：步骤一：耦合时序数据预处理，提取时序数据特征量并用Gauss核函数处理特征量；步骤二：采用重分形扩散熵算法进一步分析特征量数据，作数据特征谱、收集特征谱中体现的数据波动并计算Renyi熵值；步骤三：基于Renyi熵进行时序数据可预测性分析，检验时序数据长程依赖性并确定度量时序数据可预测性的合适标度。该方法可用于多标度的耦合时序数据可预测性分析，效果显著，提供了分析耦合时序数据可预测性的一种新思路。

主权项：1.基于重分形扩散熵分析算法MF-DEA的耦合时间序列可预测性分析方法，其特征在于，所述方法包括以下步骤：步骤1：耦合时序数据预处理，提取时序数据特征量并用Gauss核函数处理特征量；步骤2：采用重分形扩散熵算法进一步分析特征量数据，作数据特征谱、收集特征谱中体现的数据波动并计算Renyi熵值；步骤3：基于Renyi熵进行时序数据可预测性分析，检验时序数据长程依赖性并确定度量时序数据可预测性的合适标度。

全文数据：

权利要求：

百度查询： 东南大学 基于重分形扩散熵分析算法(MF-DEA)的耦合时间序列可预测性分析方法

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