申请/专利权人:山东科技大学
申请日:2024-01-17
公开(公告)日:2024-04-26
公开(公告)号:CN117932555A
主分类号:G06F18/27
分类号:G06F18/27;G06F18/21;G06F18/10;G06N3/0464
优先权:
专利状态码:在审-公开
法律状态:2024.04.26#公开
摘要:本发明涉及时序序列预测技术领域,具体涉及一种基于向量自回归和卷积的时序序列预测方法,具体包括以下步骤:步骤一、对时序序列原始数据进行数据预处理;步骤二、利用向量自回归映射将时序序列数据映射为线性序列数据和非线性序列数据;步骤三、对线性序列数据和非线性序列数据分别进行编码和归一化;步骤四、数据进入多尺度特征提取神经网络模型,利用空洞因果卷积对线性序列数据和非线性序列数据进行不同尺度的特征提取;步骤五、将线性序列数据和非线性序列数据的最后尺度特征进行动态权值相加,经过一个线形层后输出最终的预测标签。解决了现有技术中由于不进行线性和非线性映射,导致预测精度差,神经网络模型收敛速度慢的技术问题。
主权项:1.一种基于向量自回归和卷积的时序序列预测方法,其特征在于:具体包括以下步骤:步骤一、对时序序列原始数据进行数据预处理;步骤二、利用向量自回归映射将时序序列数据映射为线性序列数据和非线性序列数据;步骤三、对线性序列数据和非线性序列数据分别进行编码和归一化;步骤四、数据进入多尺度特征提取神经网络模型,利用空洞因果卷积对线性序列数据和非线性序列数据进行不同尺度的特征提取;步骤五、将线性序列数据和非线性序列数据的最后尺度特征进行动态权值相加,经过一个线形层后输出最终的预测标签。
全文数据:
权利要求:
百度查询: 山东科技大学 一种基于向量自回归和卷积的时序序列预测方法
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。