[发明专利]一种多变量扭曲时间序列预测方法

摘要

本发明公开了一种多变量扭曲时间序列预测方法，所述预测方法包括如下步骤：1建立训练样本集；2构建多变量时间序列卷积神经网络模型；所述多变量卷积神经网络模型至少包括依次连接的输入层、特征提取层、卷积层模块、各变量全连接层、所有变量全连接层和输出层；3训练多变量时间序列卷积神经网络模型；4组装多变量时间序列卷积神经网络模型,得到的多变量时间序列预测系统；5利用多变量时间序列预测系统对电力消耗的多变量时间序列进行预测。该方法用于对电网系统的电力消耗进行预测，克服了传统方法没有充分利用序列抽象特征、容易受到数据扭曲影响的缺点，可以降低扭曲数据对预测结果精度的影响，可靠性强。

主权项

一种基于卷积神经网路的多变量扭曲时间序列预测方法，其特征在于，所述预测方法包括如下步骤：S101建立训练样本集；所述训练样本集是电网系统的多变量时间序列，至少包括目标时间序列和条件时间序列；S102构建多变量时间序列卷积神经网络模型；所述多变量卷积神经网络模型至少包括依次连接的输入层、特征提取层、卷积层模块、各变量全连接层、所有变量全连接层和输出层；S103训练多变量时间序列卷积神经网络模型；初始化后，采用随机梯度下降法对步骤S102构造的多变量时间序列卷积神经网络模型进行迭代，每迭代一次检验一次梯度，以寻求各网络层权重和偏置的最优解，迭代多次后得到最优多变量时间序列卷积神经网络模型；S104组装多变量时间序列卷积神经网络模型；将步骤S103得到的最优多变量时间序列卷积神经网络模型的各网络层先后依次连接，得到多变量时间序列预测系统；S105利用步骤S104得到的多变量时间序列预测系统对电力消耗的多变量时间序列进行预测。