[发明专利]一种多变量扭曲时间序列预测方法有效
申请号: | 201711267794.8 | 申请日: | 2017-12-05 |
公开(公告)号: | CN107977748B | 公开(公告)日: | 2022-03-11 |
发明(设计)人: | 庞宁;李旻浩;赵翔;肖卫东;殷风景;葛斌;张啸宇 | 申请(专利权)人: | 中国人民解放军国防科技大学 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06Q50/06;G06N3/04 |
代理公司: | 长沙国科天河知识产权代理有限公司 43225 | 代理人: | 董惠文 |
地址: | 410073 湖*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
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。 | ||
搜索关键词: | 一种 多变 扭曲 时间 序列 预测 方法 | ||
【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。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军国防科技大学,未经中国人民解放军国防科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201711267794.8/,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算;推算;计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理