摘要
本发明涉及一种融合时域和频域分析的周期性时间序列预测方法,属于周期性时间序列预测领域。首先通过采集时间序列数据,并对数据预处理后构建时间域分析数据集。其次,分析时间序列数据的周期性强度,整合具有周期性特征的变量。然后,在频域数据处理阶段,通过快速傅里叶变换将整合后的变量从时域转换到频域,构建频域分析数据集。基于频域分析数据集构建图结构,并利用图卷积模型提取周期性特征。在时域数据处理阶段,引入了基于双向状态空间模型的建模方法提取时域特征。最后,将从时域和频域分析中提取的特征进行融合,形成综合数据表示,并输出最终的预测结果。
技术关键词
周期性特征
变量
状态空间模型
时间域
频域数据处理
序列
时域特征
频率
卷积模型
特征点
频域特征
建模方法
幅值
节点
强度
阶段
定义
系统为您推荐了相关专利信息
性能提升方法
民用飞机
波束成形算法
矩阵
麦克风阵列信号
经济运行控制
状态监测方法
配电变压器
LSTM神经网络模型
变压器状态监测
候选设计方案
设计约束条件
强化学习模型
三维设计方法
地形特征参数
储能机组
机组运行状态
协同方法
模拟模型
新能源机组