买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:杭州电子科技大学
摘要:本发明公开了一种基于多元长期时间序列分析的时间序列预测方法。本发明提出了一种全新的高性能时间序列预测模型来实现时间序列预测,模型由统计值线性拟合网络、多维度图学习网络、双数据流学习网络和偏置生成网络组成。使用双数据流的学习模式提升模型的抗过拟合能力以及对时序信息的学习预测能力。使用多维度图学习网络在时序数据的多维度域进行特征提取,结合时域双数据流网络多视角提取特征。使用偏置生成网络结合拟合统计值在RevIN的基础上解决分布漂移问题。MVENet模型对比先进的DLiner和TimesNet也取得了较大的预测结果提升,在提高多元时间序列预测精度的同时提高了模型的泛化性并且增加了模型的预测长度。
主权项:1.一种基于多元长期时间序列分析的时间序列预测方法,其特征在于,包括步骤如下:步骤1:数据预处理与分割;根据要求设定历史序列长度、预测序列长度;根据不同应用场景选择数据集,将数据进行分割,将数据划分成训练数据集和测试数据集;训练数据集和测试数据集被划分为多组,每组数据包括历史序列和其后的标签序列;步骤2:在对构建的时间序列预测模型MVENet训练前,基于训练数据集和测试数据集对其中的统计值线性拟合网络进行预训练;所述的MVENet由统计值线性拟合网络、偏置生成网络、多维度图学习网络和双数据流学习网络组成;多维度图学习网络由多维度图生成器和图卷积特征提取块组成;步骤3:随机选取Batch组步骤1得到的训练数据;将训练数据经过偏置生成网络;同时对训练数据进行归一化后与偏置生成网络的输出相加,之后再依次经过多维度图学习网络及和双数据流学习网络在时域和多维度域进行特征学习;将训练数据输入训练好的统计值线性拟合网络后得到的输出与双数据流学习网络的输出进行逆归一化操作,生成预测序列;将预测序列计算平均绝对误差MAE,然后通过Adam优化器进行反向传播,更新MVENet网络参数;从排除选取的数据的训练数据集中重复随机选取Batch组数据并更新网络参数,直至遍历训练数据集中所有数据;步骤4:随机选取Batch组步骤1得到的测试数据,输入到步骤5得到的更新网络参数后的MVENet网络中,得到基于测试数据生成的预测序列;计算得到的预测序列和标签序列之间的均方误差MSE,并重复选取Batch组测试数据计算MSE;将所有计算得到的MSE计算平均值作为MVENet网络的MSE;步骤5:重复步骤3和步骤4,若借助于步骤4得到MVENet网络的均方误差MSE不再减小,说明模型表现无法再变好,则网络参数更新完毕,MVENet模型结束训练。
全文数据:
权利要求:
百度查询: 杭州电子科技大学 一种基于多元长期时间序列分析的时间序列预测方法
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。