摘要
本申请实施例提供了一种时间序列的预测方法、装置、设备和介质,其中的方法具体包括:对历史时间序列数据进行分解,以得到历史时间序列数据对应的k个分量;确定历史时间序列数据对应的第i个分量在第j种神经网络下的误差评估指数;从M种神经网络中选择误差评估指数最小的神经网络作为第i个分量对应的目标神经网络;根据历史时间序列数据中第i个分量的数据,对目标神经网络的超参数进行优化处理;利用训练完成后的目标神经网络,确定待预测时间序列数据的k个分量分别对应的分量预测结果;对k个分量分别对应的分量预测结果进行重构,以得到待预测时间序列数据对应的预测结果。本申请实施例能够提高时间序列预测的准确性和可靠性。
技术关键词
预测时间序列数据
经验模态分解方法
径向基函数神经网络
指数
误差
超参数
样本
机器可读介质
极限学习机
重构模块
集成模块
预测装置
处理器
噪声
电子设备
系统为您推荐了相关专利信息
模拟实验方法
链轨节
智能学习模型
应力场
仿真数据
检测点
改良土壤重金属
重金属污染风险
智能预警方法
磷尾矿
联网收费数据
分布式计算架构
全局数据同步
策略
动态数据同步
特征量数据
系统动力学模型
变压器
参数
剩余寿命预测方法