摘要
本发明公开了一种基于时‑空‑频域特征融合的频谱时间序列预测方法,属于频谱分析和多元时间序列预测领域。本发明所述方法将多频点时隙序列数据进行预测;首先,将历史时间步长的多频点时隙序列数据映射为通道混合嵌入表示向量和通道独立嵌入表示向量,然后,构建多尺度时‑频特征提取模块和自适应图时‑空特征提取模块分别用于捕获通道混合表示向量和通道独立表示向量的多尺度时‑频特征和时‑空特征;此外,构建双向交互特征融合模块,用于对齐捕获的时‑频(时间和傅里叶变换得到的频域特征)和时‑空(时间和多频点间的空间关联特征);最后,设计输出层将融合模块输出的特征映射为未来时间步长的多频点时隙序列数据预测值。
技术关键词
时间序列预测方法
特征提取模块
频域特征
依赖特征
交互特征
多尺度
交互式学习
多层感知机
残差结构
周期
数据真实值
卷积网络模型
通道
线性
傅立叶
解码
模式
系统为您推荐了相关专利信息
深度学习预测模型
电池系统
LSTM模型
电池簇
充放电功率
人脸图片
人脸识别特征
在线更新方法
在线更新装置
特征提取模块
文本特征向量
注意力参数
预训练语言模型
非暂态计算机可读存储介质
矩阵
风电机组变桨轴承
故障特征
故障诊断方法
数据融合技术
历史故障数据
静脉识别方法
特征提取模块
手掌图像
数据
判别模块