公开(公告)号：CN114649079B

公开(公告)日：2025-02-14

申请号：CN202210305564.0

申请日：2022-03-25

Applicant: 南京信息工程大学无锡研究院

Inventor： 刘琦 ,  吴梓皓 ,  甘季翔 ,  杨志云

IPC: G16H20/30 ,  G16H50/20 ,  H03H17/02 ,  G06F18/241 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种面向GCN和双向GRU的编解码器的预测方法，其网络框架主要由数据清洗模块，特征提取模块和数据预测模块组成，数据清洗模块主要由数据输入模块和卡尔曼滤波模块构成，数据输入模块将输入的数据集划分为三类:前1/2作为训练集数据，后1/4作为测试集数据，剩余的1/4作为验证集数据。再将划分好的数据集输入卡尔曼滤波模块中进行数据清洗，筛除错误的数据，填补遗漏的数据，平滑数据曲线，从而达到提高预测精度的目的。接着用GCN编码器和双向GRU解码器对输入的数据进行特征提取，之后将得到数据的特征信息放入定义好的预测模型进行预测。本发明解决了对于中短期时间序列预测结果精度较低，效果较差的问题。

公开(公告)号：CN114649079A

公开(公告)日：2022-06-21

申请号：CN202210305564.0

申请日：2022-03-25

Applicant: 南京信息工程大学无锡研究院

Inventor： 刘琦 ,  吴梓皓 ,  甘季翔 ,  杨志云

IPC: G16H20/30 ,  G16H50/20 ,  H03H17/02 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种面向GCN和双向GRU的编解码器的预测方法，其网络框架主要由数据清洗模块，特征提取模块和数据预测模块组成，数据清洗模块主要由数据输入模块和卡尔曼滤波模块构成，数据输入模块将输入的数据集划分为三类:前1/2作为训练集数据，后1/4作为测试集数据，剩余的1/4作为验证集数据。再将划分好的数据集输入卡尔曼滤波模块中进行数据清洗，筛除错误的数据，填补遗漏的数据，平滑数据曲线，从而达到提高预测精度的目的。接着用GCN编码器和双向GRU解码器对输入的数据进行特征提取，之后将得到数据的特征信息放入定义好的预测模型进行预测。本发明解决了对于中短期时间序列预测结果精度较低，效果较差的问题。