申请/专利权人：东北大学

申请日：2024-02-21

公开（公告）日：2024-05-10

公开（公告）号：CN118014619A

主分类号：G06Q30/0201

分类号：G06Q30/0201;G06Q30/0202;G06F18/214;G06F16/215;G06N3/0464;G06N3/08;G06N7/01

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明公开一种基于多头ProbSparse注意力机制的扩散模型的采购价格预测方法，涉及商业采购及时间序列预测技术领域。利用ProbSparse注意力机制的特征提取能力，从原始数据中自动挖掘出价格的隐藏特征和时序性。相比于自注意力机制self‑attention，ProbSparse注意力机制降低了常规的计算量，优化了时间空间效率。相比于传统扩散模型来生成未来的采购价格，本发明更能解决传统采购价格预测中存在的难以适应非线性元素，难以捕捉元素相关性等技术缺陷，提供一种更准确、可靠的采购价格预测方式，能够更准确地反映价格波动的动态性和复杂性，着重研究价格之间的相关性，提高预测的准确性，使采购价格预测更加灵活和可靠，有助于企业更好地管理采购成本和做出更明智的采购决策。

主权项：1.一种基于多头ProbSparse注意力机制的扩散模型的采购价格预测方法，其特征在于，包括如下步骤：步骤1：获取商品采购价格的数据集；所述商品采购价格的数据集包括商品的价格波动率区间，商品的交易量，商品市场采购价格数据，商品的数量和商品的交易时间；步骤2：对商品采购价格的数据集中的采购价格数据进行预处理，得到标准化后的商品采购价格的数据集和最终的商品采购价格的数据集，并将最终的商品采购价格的数据集按照设定比例划分为训练集和测试集；步骤3：构建基于多头ProbSparse注意力机制的扩散模型；步骤4：利用训练集和标准化后的采购价格数据集对基于多头ProbSparse注意力机制的扩散模型进行训练，得到训练完成的基于多头ProbSparse注意力机制的扩散模型；步骤5：通过测试集对训练完成的基于多头ProbSparse注意力机制的扩散模型进行Mae和Mape评估，并对基于多头ProbSparse注意力机制的扩散模型进行调整反向去噪模块的神经网络U-Net的参数θ，得到最终的基于多头ProbSparse注意力机制的扩散模型；步骤6：获取历史的采购价格数据，并利用最终的基于多头ProbSparse注意力机制的扩散模型得到未来的时间的采购价格数据。

全文数据：

权利要求：

百度查询： 东北大学 基于多头ProbSparse注意力机制的扩散模型的采购价格预测方法

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。

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