[发明专利]本地化时间模型预测在审
申请号: | 201780009275.3 | 申请日: | 2017-01-12 |
公开(公告)号: | CN108885718A | 公开(公告)日: | 2018-11-23 |
发明(设计)人: | J·赫佐格 | 申请(专利权)人: | 摄取技术有限公司 |
主分类号: | G06N5/04 | 分类号: | G06N5/04;G06N99/00 |
代理公司: | 上海专利商标事务所有限公司 31100 | 代理人: | 亓云;杨洁 |
地址: | 美国伊*** | 国省代码: | 美国;US |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 时间系列数据 时间预测 计算机可读介质 基于事件 时间模型 事件数据 多变量 预测 建模 叠加 过滤 | ||
1.一种计算系统,包括:
至少一个处理器;
非瞬态计算机可读介质;以及
被储存在所述非瞬态计算机可读介质上的程序指令,所述程序指令能由所述至少一个处理器执行以致使所述计算系统:
a)获得表示与系统相关联的一个或多个参数的集合的第一时间系列数据阵列;
b)标识与所述第一时间系列数据阵列类似的一个或多个历史时间系列数据阵列,所述一个或多个历史时间系列数据阵列表示所述一个或多个参数的集合的相应过去值;
c)获得与所述第一时间系列数据阵列相关联的第一事件数据和与所述一个或多个历史时间系列数据阵列相关联的历史事件数据;
d)基于所述第一事件数据与关联于所述一个或多个历史时间系列数据阵列中的每一者的所述历史事件数据的比较来过滤所述一个或多个历史时间系列数据阵列以获得一个或多个经过滤历史时间系列数据阵列;
e)使用所述一个或多个经过滤历史时间系列数据阵列来训练时间系列预测模型;以及
f)使用经训练的时间系列预测模型来生成对所述一个或多个参数的集合的至少一个参数的将来值的预测。
2.如权利要求1所述的计算系统,其特征在于,基于时间到期或接收生成预测的请求的时间段中的一者来重复a)-f)。
3.如权利要求1所述的计算系统,其特征在于,所述程序指令进一步被所述至少一个处理器执行以致使所述计算系统:
检测时间变化;
基于检测到的变化,重复a)以在先前第一时间系列数据阵列的时间之后的时间获得表示所述一个或多个参数的集合的经更新第一时间系列数据阵列;以及
基于经更新的第一时间系列数据阵列来重复b)-f)。
4.如权利要求1所述的计算系统,其特征在于,所述程序指令进一步被所述至少一个处理器执行以致使所述计算系统:
检测所述一个或多个参数的集合中的至少一个参数的变化;
基于检测到的变化,重复a)以在先前第一时间系列数据阵列的时间之后的时间获得表示所述一个或多个参数的集合的经更新第一时间系列数据阵列;以及
基于经更新的第一时间系列数据阵列来重复b)-f)。
5.如权利要求1所述的计算系统,其特征在于,所述程序指令进一步被所述至少一个处理器执行以致使所述计算系统向另一系统传送所述预测。
6.如权利要求1所述的计算系统,其特征在于,所述第一事件数据指示在所述第一时间系列数据阵列的一时间已经发生并且在所述第一时间系列数据阵列的该时间之后预期影响所述系统的行为的事件。
7.如权利要求1所述的计算系统,其特征在于,与所述一个或多个经过滤历史时间系列数据阵列中的每一者相关联的相应历史事件数据指示与所述第一事件类似的事件。
8.一种其上存储有程序指令的非瞬态计算机可读介质上,所述程序指令能由计算系统的至少一个处理器执行以致使所述计算系统:
a)获得表示与系统相关联的一个或多个参数的集合的第一时间系列数据阵列;
b)标识与所述第一时间系列数据阵列类似的一个或多个历史时间系列数据阵列,所述一个或多个历史时间系列数据阵列表示所述一个或多个参数的集合的相应过去值;
c)获得与所述第一时间系列数据阵列相关联的第一事件数据和与所述一个或多个历史时间系列数据阵列相关联的历史事件数据;
d)基于所述第一事件数据与关联于所述一个或多个历史时间系列数据阵列中的每一者的所述历史事件数据的比较来过滤所述一个或多个历史时间系列数据阵列以获得一个或多个经过滤历史时间系列数据阵列;
e)使用所述一个或多个经过滤历史时间系列数据阵列来训练时间系列预测模型;以及
f)使用经训练的时间系列预测模型来生成对所述一个或多个参数的集合的至少一个参数的将来值的预测。
9.如权利要求8所述的非瞬态计算机可读介质,其特征在于,基于时间到期或接收生成预测的请求的时间段中的一者来重复a)-f)。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于摄取技术有限公司,未经摄取技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201780009275.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:异步深度强化学习
- 下一篇:基于立体视觉的随机地图生成和贝叶斯更新