摘要
一种基于时序预测模型的时序预测方法,所述时序预测模型为基于深度学习网络的时序预测模型,包括编码网络和预测网络;所述方法包括:获取与历史时段对应的时间序列;以及与目标时段对应的目标协变量序列;将时间序列输入至编码网络,由编码网络将时间序列中包含的数据分别编码成特征表示的形式,以得到与时间序列对应的特征表示序列;基于注意力机制将目标协变量序列中包含的目标协变量与特征表示序列中包含的特征表示进行融合,得到融合了目标协变量的特征表示序列;将融合了目标协变量的特征表示序列输入至预测网络,由预测网络基于融合了协变量的特征表示序列进行时序预测,得到时间序列中包含的数据在目标时段的预测取值。
技术关键词
时序预测模型
变量
序列
注意力机制
神经网络单元
时序预测方法
编码
数据
深度学习网络
异构
动态
计算机程序产品
处理器
网络结构
计算机设备
存储器
数值
策略
系统为您推荐了相关专利信息
损伤预测方法
多尺度网络
复合材料
矩阵
跨域方法
收敛模型
语音识别模型
语音识别方法
路径搜索算法
命令
轻度认知障碍
筛查模型
患者筛选方法
算法模型
数据