摘要
本发明公开了一种基于交互二维卷积的多变量时间序列数据预测方法,属于时序数据预测领域,该方法首先定时或持续记录,收集时序数据。其次构建多变量时间序列数据预测模型,输入收集的时序数据,得到预测结果。最后对多变量时间序列数据预测模型进行训练,并测试。本发明有效捕获长期时间变量,提升预测精度,打破变量空间连续性,帮助充分捕获变量间相关性,提升模型鲁棒性,适用于多变量时序数据预测任务。
技术关键词
数据预测方法
变量
数据预测模型
时序特征
时序数据预测
序列
卷积神经网络模型
尺寸
数据项
超参数
数据编码
通道
输出特征
视野
频率
鲁棒性
连续性
系统为您推荐了相关专利信息
经验贝叶斯
广义近似消息传递
信号重构方法
重构算法
广义线性模型
智能液位传感器
参数
测量方法
波动特征
滤波算法
储能电池
并联电容器
协调优化模型
静止无功补偿器
分布式光伏配电网