公开(公告)号：CN118296330A

公开(公告)日：2024-07-05

申请号：CN202410726512.X

申请日：2024-06-06

Applicant: 杭州电子科技大学

Inventor： 樊谨 ,  杨宝顺 ,  王则昊 ,  毕彦昊 ,  秦飞巍

IPC: G06F18/20 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/042 ,  G06N3/0464 ,  G06F123/02

Abstract: 本发明公开了一种基于多视图时间序列图结构的长期时间序列预测方法，其特征在于，包括如下步骤：步骤1、获取多元时间序列数据，并对数据进行预处理，将预处理后的数据进行分片处理，通过分片处理后的数据得到#imgabs0#份特征序列；步骤2、构建并训练预测模型MGTV，所述预测模型MGTV包括依次连接的局部交叉视图生成器、维度视图生成器和时间视图生成器；步骤3、将每份特征序列进行分割，平均分成#imgabs1#份片段序列；步骤4、应用完成训练的预测模型MGTV得到#imgabs2#份预测结果；步骤5、将#imgabs3#份预测结果拼接后加权最终的预测结果。该方法提供了一种全新的时间序列预测模型MVTG，提升模型预测精度的同时，提高模型的运算速度。

公开(公告)号：CN118349806A

公开(公告)日：2024-07-16

申请号：CN202410603210.3

申请日：2024-05-15

Applicant: 杭州电子科技大学

Inventor： 杨宝顺 ,  翁文超

IPC: G06F18/20 ,  G06F18/10 ,  G06N3/084 ,  G06N3/0464 ,  G06F123/02

Abstract: 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。