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:2023-12-26
公开(公告)日:2024-05-17
公开(公告)号:CN118051747A
主分类号:G06F18/21
分类号:G06F18/21;G06F18/2131;G06F18/214;G06F18/23213;G06F18/25;G06N3/045;G06N3/0464;G06F123/02
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.04#实质审查的生效;2024.05.17#公开
摘要:基于傅里叶变换和代理自注意力的时序预测方法及系统,构建包含傅里叶卷积处理模块、代理自注意力模块、非线性门控模块、特征融合和线性预测模块的时序预测模型,将基于预测目标的历史数据得到的训练集输入时序预测模型中进行训练。本发明设计基于时间序列内在特性的算法模型,不仅可以大规模训练预测模型,且比同期模型具有更快的收敛性能,解决运行内存消耗大的问题,具有预测速度快,泛化能力强的特点,其网络结构可应用于天气预测,金融分析,电力能源预测领域,充分发挥了深度神经网络的优势,具有设计简单、鲁棒性较佳、检测准确率高、预测精度高的优点。
主权项:1.基于傅里叶变换和代理自注意力的时序预测方法,其特征在于,所述方法包括:S1、构建时序预测模型,所述模型包括傅里叶卷积处理模块、代理自注意力模块、非线性门控模块、特征融合和线性预测模块;S2、将基于预测目标的历史数据得到的训练集输入时序预测模型中进行训练;S3、基于训练好的时序预测模型进行时序预测。
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 基于傅里叶变换和代理自注意力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。