公开(公告)号：CN119128738A

公开(公告)日：2024-12-13

申请号：CN202411092723.9

申请日：2024-08-09

Applicant: 华中科技大学

Inventor： 王非 ,  周思颖

IPC: G06F18/2433 ,  G06F18/213 ,  G06F18/15 ,  G06F18/211 ,  G06F18/27 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/088 ,  G06N3/084 ,  G06Q50/06 ,  G06F123/02

Abstract: 本发明属于时间序列表征学习领域，具体涉及一种面向多分析任务的电力时间序列表征模型无监督构建方法，包括：对每个初始电力时间序列数据进行掩蔽处理，生成掩蔽部分互补且长度均同原始数据的一对掩蔽数据作为一个训练样本；训练数据嵌入层、编码器得到时间序列表征模型；在训练过程中将每对掩蔽数据中的两个掩蔽数据分别输入参数共享的两个网络架构中：数据嵌入层用于生成每个掩蔽数据的潜在表征；编码器用于基于潜在表征提取包含整体深层表征和细节深层表征的深层表征；解码器用于基于数据深层表征对对应初始数据重建；基于潜在表征和整体深层表征计算重建损失和基于上下文一致性和时间一致性的对比损失。本发明实现不同分析任务间模型共享。

公开(公告)号：CN119128477A

公开(公告)日：2024-12-13

申请号：CN202411092589.2

申请日：2024-08-09

Applicant: 华中科技大学

Inventor： 王非 ,  周思颖

IPC: G06F18/213 ,  G06F18/25 ,  G06F18/15 ,  G06F18/2433 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084 ,  G06F123/02 ,  G06N3/048

Abstract: 本发明属于时间序列表征领域，具体涉及一种基于混合上下文注意力的电力时间序列表征方法，包括：采用数据嵌入层，将待表征的电力时间序列数据投影到潜在表征空间，得到潜在表征，并将潜在表征划分为多个片段，每个片段作为一个标记Token，得到序列Token；对序列Token进行池化，以总结序列Token的多个局部序列所包含的信息，得到多个总结性特征，对应作为多个主要标记；将所有主要标记与所有标记Token进行拼接，采用编码器对所述拼接后的结果进行自注意力计算得到深层表征，完成时间序列表征，其中自注意力计算的过程能实现混合上下文注意力计算机制。本发明方法能够针对多样性的电力数据提取较为准确的特征。