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：上海海事大学
摘要：本发明涉及一种基于MLP的时序数据长期预测方法、设备和介质，包括以下步骤：获取多维时间序列，输入基于MLP的时序数据长期预测模型，获得时序长期预测结果；基于MLP的时序数据长期预测模型包括多尺度分解模块、下采样信息融合模块、局部信息提取模块和协变量融合模块，该模型对输入的处理过程如下：通过多尺度分解模块将多维时间序列进行解耦，获得季节项和趋势项；将季节项和趋势项分别输入下采样信息融合模块和局部信息提取模块，获得相应的初步预测值；协变量融合模块分别对季节项和趋势项的初步预测值进行微调，将微调结果相加后输入协变量融合模块再次微调，并进行逆归一化。与现有技术相比，本发明可以快速准确实现时间序列的长期预测。
主权项：1.一种基于MLP的时序数据长期预测方法，其特征在于，包括以下步骤：获取维度为N的多维时间序列数据，输入基于MLP的时序数据长期预测模型，获得时序数据长期预测结果；其中，所述基于MLP的时序数据长期预测模型依次包括多尺度分解模块、并列的下采样信息融合模块和局部信息提取模块，所述下采样信息融合模块和所述局部信息提取模块后接协变量融合模块，所述基于MLP的时序数据长期预测模型对输入数据的处理过程如下：S1、采用通道独立策略，将N维时间序列视为N条一维时间序列，每条一维时间序列通过所述多尺度分解模块进行解耦，获得相应的季节项和趋势项；S2、将季节项输入所述下采样信息融合模块进行不同粒度下周期特征的提取和融合，获得季节项初步预测值；将趋势项输入所述局部信息提取模块进行全局信息交互和局部特征的进一步提取，获得趋势项初步预测值；S3、所述协变量融合模块通过引入时间协变量信息分别对季节项初步预测值和趋势项初步预测值进行微调，然后将微调后的季节项初步预测值和趋势项初步预测值相加，得到输入时间序列初步预测值；S4、将输入时间序列初步预测值输入所述协变量融合模块再次进行微调，然后通过RevIN进行逆归一化，获得时序数据长期预测结果。
全文数据：
权利要求：
百度查询： 上海海事大学 基于MLP的时序数据长期预测方法、设备和介质
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