[发明专利]基于正反卷积神经网络的时空大数据预测方法和系统有效
| 申请号： | 201711192977.8 | 申请日： | 2017-11-24 |
| 公开（公告）号： | CN107992938B | 公开（公告）日： | 2019-05-14 |
| 发明（设计）人： | 龙明盛;王建民;王韫博;黄向东 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06Q10/04 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王莹;吴欢燕 |
| 地址： | 100084 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于正反卷积神经网络的时空大数据预测方法和系统，方法包括：将时空大数据输入训练好的正反卷积神经网络模型，获取预测结果；训练好的正反卷积神经网络模型通过如下步骤获取：根据任一时刻卷积记忆和任一时刻卷积输出门获取任一时刻卷积输出，构建任一时刻卷积长短时间记忆单元；根据任一时刻反卷积记忆和任一时刻反卷积输出门获取任一时刻反卷积输出，构建任一时刻反卷积长短时间记忆单元；搭建正反卷积神经网络模型；将由观测值组成的张量序列数据输入正反卷积神经网络模型进行训练，获得训练好的正反卷积神经网络模型。本发明通过分析和学习过去观测到的数据，对时空数据的隐含特征进行学习，预测未来的时空大数据序列。 | ||
| 搜索关键词： | 基于 正反 卷积 神经网络 时空 数据 预测 方法 系统 | ||
【主权项】：
1.一种时空大数据预测方法，其特征在于，包括：将降水量时空大数据输入训练好的正反卷积神经网络模型，获取预测的降水结果，所述正反卷积神经网络模型用于获取所述降水量时空大数据在时间和空间维度上的动力学信息，并提取其中的隐含特征进行学习，从而提高所述降水结果的预测准确率；其中，所述训练好的正反卷积神经网络模型通过如下步骤获取：根据任一时刻卷积记忆和任一时刻卷积输出门获取任一时刻卷积输出，并基于所述任一时刻卷积输出构建任一时刻卷积长短时间记忆单元；根据任一时刻反卷积记忆和任一时刻反卷积输出门获取任一时刻反卷积输出，并基于所述任一时刻反卷积输出构建任一时刻反卷积长短时间记忆单元；通过所有卷积长短时间记忆单元和所有反卷积长短时间记忆单元搭建所述正反卷积神经网络模型，其中，所述正反卷积神经网络模型是以时刻和层为维度的二维模型，每一层的长度均相等，每一时刻的长度均相等；将由观测值组成的张量序列数据输入所述正反卷积神经网络模型进行训练，获得所述训练好的正反卷积神经网络模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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清华大学，未经清华大学许可，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/patent/201711192977.8/，转载请声明来源钻瓜专利网。
