申请/专利权人:国网湖北省电力有限公司信息通信公司;武汉大学
申请日:2023-12-25
公开(公告)日:2024-04-09
公开(公告)号:CN117852577A
主分类号:G06N3/0442
分类号:G06N3/0442;G06N3/084;G06F18/10;G06F18/214;G06F18/25
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:一种基于门控自注意力机制的时序预测方法及系统,方法首先进行数据清洗,获得初始时序片段,然后构建门控残差注意力模型,并初始化参数进行分块处理并融合特征矩阵,获得融合位置信息,接着使用映射矩阵获得注意力分数并输出特征,构建多层门控注意力单元,再对输出特征进行结果映射还原,并反向更新模型参数,最后进行时序预测;在应用中,通过构建自回归模型,并使用小批量梯度下降的策略来训练出最终的模型参数,从而完成时间序列的预测任务,其基于并行的注意力机制神经网络模型,不仅大大加快了模型的训练速度,并且具有长期时序预测的能力,同时内存消耗较少,且预测精度与鲁棒性较好。本发明不仅误差较小,且训练成本较低。
主权项:1.一种基于门控自注意力机制的时序预测方法,其特征在于,包括:S1、获取用户侧历史用电数据信息,并对历史用电数据信息进行数据清洗,获得初始时序片段;S2、构建门控残差注意力模型;S3、初始化门控残差注意力模型的参数,并对初始时序片段进行分块处理,然后基于可学习矩阵进行映射并融合特征矩阵,获得融合位置信息;S4、基于融合位置信息,使用映射矩阵获得相关注意力分数并输出特征,获得一层门控注意力单元,然后进行重复迭代,构建多层门控注意力单元;S5、基于多层门控注意力单元,对输出特征进行结果映射还原,并反向更新门控残差注意力模型的参数,完成对门控残差注意力模型的训练;S6、基于训练后的门控残差注意力模型对用户侧用电数据信息完成时序预测。
全文数据:
权利要求:
百度查询: 国网湖北省电力有限公司信息通信公司;武汉大学 一种基于门控自注意力机制的时序预测方法及系统
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。