[发明专利]一种融合数据增强和深度学习的时间序列预测方法

摘要

本发明公开了一种融合数据增强和深度学习的时间序列预测的方法，包括步骤如下：对各个风机中的传感器的示数进行收集得到相关时间序列的数据集；对数据集进行预处理，对数据集按照一定的比例加入高斯噪声进行数据增强；使用深度学习模型Informer的编码器进行编码，提取时间序列中的时间特征，数据特征；将特征输入编码器，在训练中加入对抗训练，实现数据集数量翻倍的效果，同时提高模型的鲁棒性；构建分位数损失函数，对每一轮的训练进行优化。本发明从数据增强的角度，同时考虑了添加基于规则的高斯噪声和基于梯度的对抗训练实现数据增强，与深度学习模型Informer进行融合，可以实现时间序列的预测。