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:浙江工业大学
摘要:本发明公开了一种基于线性模型的多尺度补丁长期时序预测方法。该方法首先提出多尺度补丁MultiscalePatch模块,利用快速傅里叶变换FFT检测时间序列中潜在的top‑k个周期模式,并以不同的周期模式作为补丁Patch长度,对原始序列进行补丁操作;然后设计补丁编码PatchEncoding模块,该模块包括补丁内线性层和补丁间线性层,使用线性模型来提取时序数据的局部深层依赖关系以及全局季节性和趋势变化;最后提出集成预测EnsemblePrediction模块,基于线性层对每个补丁编码序列进行预测,并通过线性加权整合多尺度补丁预测的结果,以获得更稳定的预测结果。该方法有效扩展了线性模型高效的优势,在七个现实世界数据集上的准确性和效率方面均实现了最先进的性能。
主权项:1.一种基于线性模型的多尺度补丁长期时序预测方法,其特征在于,包括以下步骤:S1:多尺度补丁:使用快速傅里叶变换获取时间序列中最具代表性的Top-k个周期长度,并将这些周期长度作为补丁长度分别对时间序列进行补丁滑动分解;S2:补丁编码:对步骤S1得到的补丁后的时间序列进行补丁编码,对于补丁内时序特征获取,使用两个多层感知机MLP来捕获补丁内时序关系和不同通道之间的相关性;对于补丁间时序特征提取,首先使用多尺度季节-趋势分解模块对补丁间的时间序列进行分析,然后对季节分量和趋势分量分别使用两个线性层捕捉补丁间的时序特性,得到多尺度时序嵌入表示;S3:集成预测:对步骤S2得到的多尺度时序嵌入表示分别重塑后使用一个多层感知机MLP得到多个不同的未来预测时间序列,利用线性加权对多尺度预测结果进行集成,从而得到最终的预测结果。
全文数据:
权利要求:
百度查询: 浙江工业大学 一种基于线性模型的多尺度补丁长期时序预测方法
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。