摘要
本发明提出了一种时空序列预测方法,读取时空序列数据,并将其转化为可处理的包括时间、空间和特征的三维时空序列数据矩阵。将得到的三维时空序列数据矩阵经过包括深度可分离卷积、点级卷积、多层感知机和残差连接的数据嵌入层得到第一时空序列数据矩阵。将第一时空序列数据矩阵输入到包含L个时空处理模块的时空序列预测模型得到未来时间的时间序列数据。其中每个时空处理模块包括切比雪夫空间注意力模块和正随机特征函数时间注意力模块。相比较于经典算法,本发明提出的一种时空序列预测方法表现较好。
技术关键词
时空序列数据
序列预测方法
多层感知机
序列预测模型
数据获取设备
模块
多项式
数据嵌入
切比雪夫
动态邻接矩阵
序列特征
交通
经典算法
注意力机制
拉普拉斯
网络
系统为您推荐了相关专利信息
图像增强模型
深层特征提取
图像增强方法
多任务
双分支结构
数据分布特征
索引
数据查询方法
样本
LSTM模型
运维故障
故障预测方法
历史告警数据
协同神经网络
模版
自动优化方法
螺旋填料
音频特征提取
视觉特征提取
补丁
多级推料机构
物料分布控制
时间序列预测模型
智能算法优化
工业硅冶炼技术