摘要
本申请涉及时序数据压缩技术领域,公开了一种时序数据压缩方法、装置、计算机设备、计算机可读存储介质及计算机程序产品,其方法包括获取初始时序数据,构建时序数据集;采用预设的神经网络或支持向量机预测时序数据集未来时间点的预测值;计算偏差值,构建偏差序列;基于偏差序列,构建差分序列;判断差分序列的属性;当差分序列为连续递增或连续递减属性时,采用震荡编码方式对差分序列进行编码,得到压缩数据集;存储压缩数据集及对应的神经网络或支持向量机的模型参数,得到目标压缩数据。本申请具有提高时序数据的压缩效率和准确性,实现时序数据的快速无损压缩的效果,适用于要求实时性的高动态时序数据压缩场景。
技术关键词
时序数据压缩方法
GRU模型
LSTM模型
序列
金融市场数据
支持向量机
计算机程序产品
偏差
可读存储介质
计算机设备
数据压缩装置
元素
数据压缩技术
正则化参数
精度
处理器
系统为您推荐了相关专利信息
雪地滑板车
地貌模型
点云
红外探测组件
辅助避障方法
无功补偿设备
智能电力设备
预警模型
监测系统
实时数据