摘要
本发明涉及碳排量预测领域,公开了一种针对碳排放量的TimesNet多源迁移预测方法,包括以下步骤:S1:数据采集与预处理;S2:源域模型预训练;S3:目标域多源模型的构建与微调;S4:迁移训练好的多源模型进行预测;S5:输出最终预测结果。本发明建立针对碳排放量的TimesNet多源迁移预测模型,通过TimesNet模型将碳排放数据的时间变化分解为2维张量,考虑了碳排放数据的时序特征;在模型中加入域自适应层以最小化域间差异,解决了在网络学习后期域间差异显著,可迁移能力下降的问题;通过改造损失函数并进行迁移学习,实现不需集成模型就可完成碳排放量的分解、集成及预测,解决为碳排放预测任务重新开发模型所耗成本较大的问题。
技术关键词
模型预训练
样本
滑动窗口
特征提取器
温室气体排放量
时间序列特征
网络
数据
参数
定义
时序特征
多尺度
工业生产
周期性
非线性
误差
系统为您推荐了相关专利信息
物流
联邦学习模型
协同分配方法
资源分配策略
多源异构数据
协议特征
物联网电力
协议解析器
物联网终端设备
节点
修正方法
时效性
训练样本数据
特征提取模型
动态
评分方法
图像分析算法
图像特征向量
自学系统
图像数据集合