摘要
本发明公开了一种面向量价关系的间歇性时间序列预测方法,其特征在于,所述序列预测方法包括:步骤一、采集包含商品销售量和价格的时序数据,按照商品编号进行编号,并进行数据清理与填补缺失数据,生成完整的时间序列数据集;步骤二、构建MOD‑DeepVAR模型,使用多个RNN子网络生成不同的潜在子分布,并将各个子分布的参数加权混合,生成整体的混合高斯分布,并进行训练优化;步骤三、通过步骤二中训练优化后的模型,进行商品销售量和价格的联合预测。本发明还公开了实现上述预测方法的预测系统,具有广泛应用价值。
技术关键词
时间序列预测方法
预测系统
时序
数据采集模块
协方差矩阵
更新网络参数
梯度下降算法
随机梯度下降
中子
关系
线性
时间段
超市
日期
系统为您推荐了相关专利信息
数据采集模块
设备管理模块
管理系统
库存管理模块
设备运行数据
视频监控数据
特征识别模块
安防方法
对象
人脸特征
容错方法
异常数据
信息熵
贝叶斯概率网络
系统健康状态评估
异构数据处理方法
周期性
多源特征
故障诊断模型
异构数据处理系统