-
公开(公告)号：CN118194139B
公开(公告)日：2024-09-13
申请号：CN202410607288.2
申请日：2024-05-16
Applicant: 南京信息工程大学
IPC: G06F18/241 , G06F18/214 , G06N3/042 , G06N3/084 , G06F17/13 , G01W1/10
Abstract: 本发明公开了一种自适应图学习与神经受控微分方程的时空数据预测方法，包括获取离散的多元气象时空数据，根据多元气象时空数据构建图结构；使用插值法将离散的多元气象时空数据转换为连续数据路径；利用图结构和连续数据路径构建神经受控微分方程，并更新神经受控微分方程权重参数；求解更新后的神经受控微分方程并输出预测结果；联合神经微分方程与图学习机制，将深度神经网络的黑盒时空预测方法转化为对常微分动力系统的建模问题，预测值即为对该动力系统的数值求解问题，更具可解释性；有效发挥了神经受控微分方程处理不规则观察数据的能力，提高训练效率，同时又能捕获动态系统中的时空相关性，能够用于不规则多元气象数据预测。
-
公开(公告)号：CN116502774B
公开(公告)日：2023-09-12
申请号：CN202310755841.2
申请日：2023-06-26
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06F30/27 , G06N3/0499 , G06F123/02
Abstract: 本发明公开了一种基于时间序列分解和勒让德投影的时间序列预测方法，包括：获取目标区域的历史数据，并划分为训练集、验证集和测试集；构建时间序列预测模型，将时间序列分解季节项成分和趋势项成分分别进行预测，并基于可逆实例归一化和勒让德投影，得到输出的未来序列数据；设置时间序列预测模型训练环境，通过训练集对时间序列预测模型进行训练，使用梯度函数更新模型参数，直至时间序列预模型达到收敛；通过验证集对模型进行调优，通过测试集评价模型的性能指标是否达到期望。本发明具有比其他时间序列预测方法更强的预测性能，在预测未来数据时具有更小的误差，能够为各种行业中需要时间序列预测工具的实际应用提供一个强有力的预测工具。
-
公开(公告)号：CN118194139A
公开(公告)日：2024-06-14
申请号：CN202410607288.2
申请日：2024-05-16
Applicant: 南京信息工程大学
IPC: G06F18/241 , G06F18/214 , G06N3/042 , G06N3/084 , G06F17/13 , G01W1/10
Abstract: 本发明公开了一种自适应图学习与神经受控微分方程的时空数据预测方法，包括获取离散的多元气象时空数据，根据多元气象时空数据构建图结构；使用插值法将离散的多元气象时空数据转换为连续数据路径；利用图结构和连续数据路径构建神经受控微分方程，并更新神经受控微分方程权重参数；求解更新后的神经受控微分方程并输出预测结果；联合神经微分方程与图学习机制，将深度神经网络的黑盒时空预测方法转化为对常微分动力系统的建模问题，预测值即为对该动力系统的数值求解问题，更具可解释性；有效发挥了神经受控微分方程处理不规则观察数据的能力，提高训练效率，同时又能捕获动态系统中的时空相关性，能够用于不规则多元气象数据预测。
-
公开(公告)号：CN116502774A
公开(公告)日：2023-07-28
申请号：CN202310755841.2
申请日：2023-06-26
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06F30/27 , G06N3/0499 , G06F123/02
Abstract: 本发明公开了一种基于时间序列分解和勒让德投影的时间序列预测方法，包括：获取目标区域的历史数据，并划分为训练集、验证集和测试集；构建时间序列预测模型，将时间序列分解季节项成分和趋势项成分分别进行预测，并基于可逆实例归一化和勒让德投影，得到输出的未来序列数据；设置时间序列预测模型训练环境，通过训练集对时间序列预测模型进行训练，使用梯度函数更新模型参数，直至时间序列预模型达到收敛；通过验证集对模型进行调优，通过测试集评价模型的性能指标是否达到期望。本发明具有比其他时间序列预测方法更强的预测性能，在预测未来数据时具有更小的误差，能够为各种行业中需要时间序列预测工具的实际应用提供一个强有力的预测工具。
-
-
-
Search Results
4
records
(took 0.022 seconds)
