龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：重庆大学;重庆数字交通产业集团有限公司
摘要：本发明公开了一种基于Transformer的长时间多变量时间序列预测方法，针对多变量长期时间序列预测任务，提出了一种有效的基于变压器的模型CMPPformer，其中有两个关键部分：通道混合依赖和周期性切割模块。首先，本发明利用时间序列聚类对多元时间序列进行分组，以实现通道混合依赖，从而减少过拟合和虚假回归。其次，使用FFT找出多维周期，根据计算出的周期长度，对时间序列进行修补，从而捕捉局部语义信息。此外，通过应用周期性切割模块和通道混合依赖性，可以降低时间和空间复杂性。
主权项：1.一种基于Transformer的长时间多变量时间序列预测方法，其特征在于，包括以下步骤：S1.基于Transformer的编码器架构、时间序列聚类的通道混合依赖机制和周期性切割模块，构建CMPPformer模型；S2.构建多变量时间序列数据集X；X∈RM×L；其中，L表示多变量时间序列数据集的长度；M表示变量个数；S3.将多变量时间序列数据集X输入CMPPformer模型，进行时间序列聚类；通过时间序列聚类，X被划分为{x1,…,xk}；其中，x1∪…∪xk＝X，x1被称为一个类别，且当i≠j时，有S4.对每个进行归一化和位置编码，并通过周期性切割模块分割成补丁；S5.使用Transformer编码器将观察到的信号映射到潜在表征中；S6.CMPPformer模型输出预测结果S7.向量融合，输出多变量时间序列Y∈RM×L。
全文数据：
权利要求：
百度查询： 重庆大学 重庆数字交通产业集团有限公司 基于Transformer的长时间多变量时间序列预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号