[发明专利]基于张量时域相关性分解模型的时间序列分析方法

摘要

一种基于张量时域相关性分解模型的时间序列分析方法，包括将时间序列编码为张量；将最初的张量变换为一个维度减少的形式；对获得的维度减少形式的张量应用自回归模型去保持时域上的连续性；动态学习上述过程更新结果直到算法收敛，结果达到最优。本发明的基于张量时域相关性分解模型的时间序列分析方法，通过在张量分解的框架中引入时域相关性模型可以各项异性的对时间序列的空域维度以及时域维度同时进行处理，在去除时间序列空域中的噪声和冗余信息的同时，控制了时间序列时域信息之间的内在联系，保持了时间序列在时域上的连续性。本发明提升了对时间序列进行预测的准确性，尤其是针对高维度的时间序列预测问题。

主权项

一种基于张量时域相关性分解模型的时间序列分析方法，其特征在于，包括如下步骤：1)将时间序列编码为张量；2)将最初的张量变换为一个维度减少的形式；3)对获得的维度减少形式的张量应用自回归模型去保持时域上的连续性；4)动态学习步骤2)～3)更新结果直到算法收敛，结果达到最优。