一种基于交互二维卷积的多变量时间序列数据预测方法

AITNT
正文
推荐专利
一种基于交互二维卷积的多变量时间序列数据预测方法
申请号:CN202410749741
申请日期:2024-06-12
公开号:CN118710933A
公开日期:2024-09-27
类型:发明专利
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
1
鉴别生成内容合理性的方法、装置、存储介质及电子设备
重构 参数 序列 神经网络模型 数据
2
一种金融输电权下电网项目投资组合决策方法、装置、设备和存储介质
电网投资项目 决策方法 金融 搜索算法 数据
3
基于经验贝叶斯方法处理未知信息分布的信号重构
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
4
一种基于智能液位传感器的液位测量方法及系统
智能液位传感器 参数 测量方法 波动特征 滤波算法
5
区域分布式光伏和负荷协调配网优化方法
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
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号