[发明专利]非平稳时序数据深度预测方法、系统、存储介质及设备在审
| 申请号： | 201910382724.X | 申请日： | 2019-05-09 |
| 公开（公告）号： | CN110175637A | 公开（公告）日： | 2019-08-27 |
| 发明（设计）人： | 金学波;杨念香;王小艺;白玉廷;苏婷立;孔建磊 | 申请（专利权）人： | 北京工商大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06Q10/04 |
| 代理公司： | 北京棘龙知识产权代理有限公司 11740 | 代理人： | 戴丽伟 |
| 地址： | 100048*** | 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： | 本发明涉及一种非平稳时序数据深度预测方法，包括：筛选原始多维变量中的相关变量；分解待预测变量和相关变量，得到相应的分变量；将待预测变量的分变量和相关变量的分变量分别作为深度网络的输入，经过深度网络进行预测，得到各自的预测结果；将待预测变量的预测结果和相关变量的预测结果进行融合，获得最终预测结果。本发明对原始多维变量进行筛选，减少了噪声的引入，也降低了原始数据的维度；对变量进行分解，可以得到更有效的内在数据趋势及特征分量；将待预测变量和相关变量分别预测，将各自的预测结果融合从而得到精准预测结果。本发明还提供一种非平稳时序数据深度预测系统、存储介质及计算机设备。 | ||
| 搜索关键词： | 预测结果 预测 深度预测 时序数据 存储介质 多维变量 筛选 计算机设备 分解 内在数据 特征分量 原始数据 融合 维度 噪声 网络 引入 | ||
【主权项】：
1.一种非平稳时序数据深度预测方法，其特征在于，包括：依据相关度对原始多维变量进行筛选，筛选出与待预测变量相关度最高的相关变量；利用季节趋势分解法对所述待预测变量和所述相关变量进行分解，得到相应的分变量；将所述待预测变量的分变量作为预先构建的第一深度网络的输入，经过所述第一深度网络进行预测，得到所述待预测变量的预测结果；将所述相关变量的分变量作为预先构建的第二深度网络的输入，经过所述第二深度网络进行预测，得到所述相关变量的预测结果；将所述待预测变量的预测结果和所述相关变量的预测结果进行融合，获得最终预测结果。
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北京工商大学，未经北京工商大学许可，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/201910382724.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种物联网深度神经网络分布式判别推论系统及方法
- 下一篇：一种扬尘源监测方法
