摘要
本发明公开了一种时间序列预测方法、装置、程序产品、存储介质及其应用,涉及时间序列分析领域,用以解决在时间序列预测任务中计算复杂度较高、预测结果可信度欠佳的问题。本发明由时间序列来训练推理模型,该推理模型基于输入的原始时间序列的自相关矩阵提取变量之间的依赖关系;将依赖关系整合进原始时间序列,得到关键时序特征;从关键时序特征学习变量之间的长期依赖关系;由长期依赖关系映射出未来时间步的时间序列。本发明以第计算复杂度实现了对时间序列的准确预测,预测可信度高。
技术关键词
时间序列预测方法
时序特征
前馈神经网络
关系
变量
训练集
计算机程序产品
复杂度
预测装置
处理器
可读存储介质
指令
天气
数据
误差
系统为您推荐了相关专利信息
熔池形貌
BP神经网络
神经网络参数
双极板材料
面热源
风险评估方法
基础地理信息数据
河道模型
地表模型
评估指标体系
风险预测模型
Logistic回归模型
风险预测系统
患者
医疗健康技术
偏差
机械臂
关节电机
多电机协同控制装置
识别机械
语义关系识别模型
文本
语义关系识别方法
教师
学生