[发明专利]结合序列局部特征提取及深度卷积预测模型的预测方法

权利要求书

1.一种结合序列局部特征提取及深度卷积预测模型的预测方法，其特征在于，包括以下步骤：

(1)、通过滑动窗口对序列切片采样

根据滑动窗口的大小，首先对序列末端进行采样得到与滑动窗口大小一致的目标切片，随后从首端开始逐点滑动进行采样得到与序列长度相同数量的切片样本；

(2)、相似度指标计算

对于给定的每一个指标，分别计算出每一个切片样本与目标切片的相似度，得到在该指标下与原始时序等长的相似度向量；

(3)、向量融合与通道转换

将由所有指标计算得到的向量与原始序列在通道方向上进行叠加得到自适应序列；在融合前与融合后均通过因果卷积来完成通道数量的转换；

(4)神经网络训练与预测

利用时序数据集对WaveNet或TCN深度卷积模型进行训练；对时序数据进行局部敏感特征提取后时序将包含多个通道，通过因果卷积将实现跨通道的交互和信息整合，通过空洞卷积指数级的卷积核膨胀增大模型的感知域，以更好地捕捉长时间的时序依赖性；

预测过程将时序数据作为输入，训练后的模型能够自动对序列的局部敏感信息进行提取并融合到原始序列中，使其包含局部先验周期特征，从而对深度卷积的因果推断作出引导，输出时序未来若干点的预测数值。

2.如权利要求1所述的一种结合序列局部特征提取及深度卷积预测模型的预测方法，其特征在于，所述切片样本在采样时通过邻近点来表示自身特征信息，因此忽略自身点位，若样本长度不足以填满滑动窗口则需要作0值填充。

3.如权利要求1所述的一种结合序列局部特征提取及深度卷积预测模型的预测方法，其特征在于，对于步骤(2)，所述指标采用基于数值的相似性指标。

4.如权利要求3所述的一种结合序列局部特征提取及深度卷积预测模型的预测方法，其特征在于，所述基于数值的相似性指标为值方差、值均差和点积比的其中之一、其中之二或全部。