[发明专利]一种基于多个卷积神经网络结合架构深度学习预测方法

摘要

本发明属于数据识别及数据表示技术领域，公开了一种基于多个卷积神经网络结合架构深度学习预测方法，对数据进行维度变换；准备训练数据集，验证数据集和测试数据集；将维度变换后的数据按照周期状态编号对应输入不同的卷积神经网络中，经卷积神经网络处理后的数据按照时间先后顺序进行重排后输入深度全连接神经网络得到最后结果；使用验证集进行提前终止训练得到模型；预测测试集得到预测结果。本发明通过多个卷积神经网络分别处理不同周期状态的数据有针对性地挖掘数据规律信息，减少网络层数，卷积神经网络处理后的数据重排顺序后输入深度全连接神经网络，大大减小了数据维度，有效地缓解了过拟合，提升了预测准确度。

主权项

1.一种基于多个卷积神经网络结合架构深度学习预测方法，其特征在于，所述基于多个卷积神经网络结合架构深度学习预测方法将数据变换为n*m*k的维度，共n个时间点，每个时间点取前m个小时的k维数据，构造n个m*k的矩阵；使用多个卷积神经网络分别处理对应时间点的数据，通过较浅层的网络有效挖掘出数据中的规律；使用多个卷积神经网络分别提取历史较短期数据信息再整合。