摘要
本发明提供一种时间序列集合预测方法、系统和存储介质,涉及时间序列预测技术领域;所述方法包括:获取监测系统的监测数据的历史时间序列和实时数据;根据历史时间序列,构建监测数据的多个时间序列预测模型;基于实时数据,通过每个时间序列预测模型对实时数据进行预测,得到每个时间序列预测模型对应的预测结果;将所有预测结果进行汇总,并通过时间序列集合预测模型进行融合,得到监测数据在未来预设时间段的最终预测结果。本发明在提高时间序列预测精度的同时,增强了预测结果的稳定性和可靠性,提高了对监测数据时间序列预测的预测性能。
技术关键词
时间序列预测模型
多尺度
门控循环单元网络
方差贡献率
多通道卷积神经网络
实时数据
时序特征
深度学习模型
特征点
表达式
时间序列预测技术
经验模态分解方法
监测系统
周期
参数
融合特征
时间段
存储计算机程序
系统为您推荐了相关专利信息
光学卫星遥感影像
合成孔径雷达卫星
模态特征
反演方法
区域卷积神经网络
旋转机械故障检测
状态空间模型
机械振动信号
权重策略
归一化模块
污水处理厂智能监控系统
智能分析模块
循环神经网络算法
实时数据
数据采集模块
光栅传感器
性能测试系统
多尺度特征
时序
模拟平台