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：国网山东省电力公司信息通信公司;国网山东省电力公司

摘要：本发明属于物联网设备时间序列预测领域，提供了一种面向多设备联邦动态图的多元时间序列预测方法及系统。为解决固定图结构无法识别变量之间的依赖关系发生改变而导致模型无法学习时间序列的正确模式的问题，面向多设备联邦动态图的多元时间序列预测方法利用全局图的信息和当前时间序列的局部信息来生成图结构，以建模时间序列之间依赖性的动态变化，能够提高多元时间序列预测精度。

主权项：1.一种面向多设备联邦动态图的多元时间序列预测方法，其特征在于，在客户端内执行以下包括步骤：从本地多元时间序列中捕获其潜在时间序列表示，提取多元时间序列内部的时间依赖性，得到局部特征向量；提取本地多元时间序列的全局特征，形成全局特征向量并将其转化为全局图；将局部特征向量转化为局部图并将其与全局图联合，得到预测图；处理预测图及其对应的局部特征向量，提取本地多元时间序列之间的空间依赖性及多元时间序列自身的时间依赖性，得到时间序列特征；利用预测模型对时间序列特征进行处理，得到未来的多步时间序列值，并计算损失函数，反向传播并更新预测模型参数；将全局图、全局特征和预测模型参数均上传到联邦服务器；接收联邦服务器下发的更新后的全局图及加权平均后的预测模型参数，以用于预测模型的后续训练；利用训练完成的预测模型对输入的多元时间序列进行处理，得到预测结果；采用时间编码器从本地多元时间序列中捕获其潜在时间序列表示；时间编码器包括一个一维两层卷积结构及一个线性网络；一维两层卷积结构用于提取多元时间序列内部时间依赖性得到对应向量；线性网络用于将一维两层卷积结构得到的向量映射到高维空间，以提取高维度的时间特征，得到局部特征向量；利用图结构生成器将全局特征向量转化为全局图及将局部特征向量转化为局部图并将其与全局图联合，得到预测图；所有节点的全局特征向量组成一个矩阵，节点之间的依赖关系矩阵，节点间的依赖关系表示为，选择节点依赖关系中第行值最大的个节点与节点建立单向关系，该单向关系将作为全局图结构中节点依赖关系的候选节点，，该客户端接收到联邦服务器下发的全局图，则将下发的全局图作为本地的全局图，本地生成的全局图依赖关系只用于后续联邦学习；生成局部图需要根据节点的局部特征向量进行计算，使用时间编码器提取任意两个时间序列的输入和的局部特征向量和，图结构生成器使用多头注意力机制来捕获局部特征变量的依赖关系，最后的注意力得分为： ，其中为图的节点个数，也是时间序列的个数，为分数阈值，为时刻时间序列对应的局部图结构的邻接矩阵，生成的图结构为局部图；图结构生成器在生成当前输入的局部图之后，联合全局图和局部图生成最终的预测图，，为生成的用于预测的动态图结构；利用图注意力神经网络处理预测图及其对应的局部特征向量，其过程为：图注意力神经网络通过图结构从预测图中学习到的潜在空间依赖，聚合局部特征向量所对应的邻居节点的时间序列特征信息，获得更新后的节点特征信息，形成时间序列特征；其中，时间序列特征融合多元时间序列之间的空间依赖性及多元时间序列自身的时间依赖性。

全文数据：

权利要求：

百度查询： 国网山东省电力公司信息通信公司 国网山东省电力公司 面向多设备联邦动态图的多元时间序列预测方法及系统