摘要
本发明属于深度学习中的数据挖掘领域,具体为一种基于因果关系的时间序列预测系统。本发明时间序列预测方法包括:适用于时间序列数据的因果推断与增强算法;基于图注意力机制与傅里叶变换的因果‑频域注意力模块;基于多层感知机的解码器。本发明能提高现有多变量时间序列预测方法对序列变量间依赖关系的建模能力以及对长时间序列数据的特征提取能力,有效地降低预测结果的误差。
技术关键词
时间序列预测系统
多层感知机
注意力机制
长短期记忆网络
特征提取模块
掩码矩阵
拉普拉斯
变量
搜索算法
时间序列预测方法
子模块
时序
解码器
傅里叶变换算法
频谱特征提取
系统为您推荐了相关专利信息
融合特征
故障预测模型训练
变电设备
支持向量机模型
故障预测系统
检测头
全局平均池化
工业部件缺陷
特征金字塔
通道
人工智能语音
音频数据处理方法
深度神经网络模型
音频数据处理装置
长短期记忆网络
元素定量分析方法
多层感知机
一维卷积神经网络
注意力机制
动态
商用车车架
性能预测方法
车架结构
卷积编码器
多模态