申请/专利权人:华南理工大学
申请日:2023-12-25
公开(公告)日:2024-03-19
公开(公告)号:CN117726037A
主分类号:G06Q10/04
分类号:G06Q10/04;G06N3/0442;G06N5/01;G06N20/00;G06F18/25
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本发明公开了一种基于双轴级联网络的时序预测方法及装置,方法包括:对历史训练数据进行预处理并进行重要特征筛选;构建双轴级联网络时序预测模型,对历史值进行解耦,获取时间轴、变量轴、变量特征的预测值和目标特征的历史值,利用双轴级联网络时序预测模型对时间轴进行变量轴建模并对目标特征进行预测,获取目标特征的预测值利用构建的模型对变量轴进行时间轴建模并对目标特征进行预测,获取目标特征的预测值对得到目标特征的预测值和进行加权融合,获取最终预测结果利用训练好的双轴级联网络时序预测模型进行时序预测。本发明分离解耦建模和级联预测的方式能够更好地学习和捕捉特征之间的复杂关系,提高时序预测的准确性。
主权项:1.基于双轴级联网络的时序预测方法,其特征在于,包括下述步骤:对历史训练数据进行预处理并进行重要特征筛选,获取变量特征集;所述变量特征集包括历史值;构建双轴级联网络时序预测模型,用于变量轴与时间轴的目标预测;对历史值进行解耦,获取时间轴、变量轴、变量特征的预测值和目标特征的历史值,所述时间轴表示历史时刻到未来时刻的方向轴,所述变量轴表示变量特征到目标特征的方向轴;利用双轴级联网络时序预测模型对时间轴进行变量轴建模,利用变量特征的预测值对目标特征进行预测,获取目标特征的预测值利用双轴级联网络时序预测模型对变量轴进行时间轴建模,利用目标特征的历史值对目标特征进行预测,获取目标特征的预测值对得到目标特征的预测值和进行加权融合,获取最终预测结果经过多次训练后,利用训练好的双轴级联网络时序预测模型进行时序预测。
全文数据:
权利要求:
百度查询: 华南理工大学 基于双轴级联网络的时序预测方法及装置
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。