摘要
本发明属于时间序列预测技术领域,具体涉及一种基于残差随机的长时间序列预测方法。为解决现有预测方法中无法充分地学到序列之间的关系等问题,本方法采用线性模型进行长时间序列预测,充分发挥其高效的推理速度优势。在此基础上,设计了一种基于希尔伯特‑施密特独立性准则的损失函数,以L2损失结合残差与随机噪声之间的相关性作为损失函数。
技术关键词
序列预测方法
序列预测模型
时间序列预测技术
随机噪声
高斯核函数
数据
线性
网络
关系
参数
速度
系统为您推荐了相关专利信息
智能生成方法
生成对抗网络
电池容量预测
锂电池
数据生成模型
噪声预测器
退化图像复原方法
期望最大化算法
噪声图像
变量
故障振动信号
旋转机械设备
特征值
核主成分分析
矩阵
光伏功率预测方法
判别模块
光伏电站
生成对抗网络模型
气象