申请/专利权人：上海卫星工程研究所

申请日：2023-12-19

公开（公告）日：2024-03-22

公开（公告）号：CN117743896A

主分类号：G06F18/24

分类号：G06F18/24;G06F18/213;G06N3/0442;G06F18/22;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明提供了一种基于DTW的多元时序特征预测方法及系统，包括：对卫星遥测数据进行分段处理，得到原始时间序列；分别提取特征，组合生成多元特征向量作为初始样本数据集进行预处理；对处理后的特征序列进行时标对齐等间隔插值处理，生成样本时间序列特征集；将所述初样本数据集和对应的分类标签集作为LSTM网络的输入，进行模型训练；根据样本数据的特征序列及对应的分类标签生成对应类型的特征模板；输入训练好的LSTM模型，获取分类标签；依次计算每段特征模板与移动特征序列的相似度；选取相似度最大的模板序列获得指定时刻的预测值及反归一化处理输出最终预测值。本发明可同时并行计算各段序列间的相似度值，从而显著提高匹配的速度。

主权项：1.一种基于DTW的多元时序特征预测方法，其特征在于，包括：步骤S1：根据卫星遥测数据的周期特性对卫星遥测数据进行分段处理，得到原始时间序列；步骤S2：分别根据各维度变量提取特征，组合生成基于时间的多元特征向量作为初始样本数据集；步骤S3：对所述原始时间序列的集合进行预处理；步骤S4：设置时间间隔，对处理后的特征序列进行时标对齐等间隔插值处理，生成样本时间序列特征集；步骤S5：将所述初样本数据集和对应的分类标签集作为LSTM网络的输入，进行模型训练，并存储训练好的模型参数；步骤S6：根据样本数据的特征序列及对应的分类标签生成对应类型的特征模板；步骤S7：将待预测的特征序列进行归一化处理，输入训练好的LSTM模型，获取分类标签；步骤S8：将待预测特征序列与匹配类型的特征模板进行比对，按设置的步长沿特征模板滑动，依次计算每段特征模板与移动特征序列的相似度；步骤S9：选取相似度最大的模板序列，进行时标对齐，获得指定时刻的预测值，并对预测值进行反归一化处理输出最终预测值。

全文数据：

权利要求：

百度查询： 上海卫星工程研究所 基于DTW的多元时序特征预测方法及系统

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