“时间序列数据”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果4577843个，建议您升级VIP下载更多相关专利

[发明专利]一种基于时域和频域的时序数据存储方法和系统-CN201711320919.9有效
发明人：王建民;黄向东;乔嘉林;王晨;龙明盛 -专利权人：清华大学
申请日： 2017-12-12 - 公布日： 2018-12-28 - 主分类号： G06F17/14 文献下载
摘要：本发明提供一种基于时域和频域的时序数据存储方法和系统，所述方法包括将待存储的时序数据分为若干段时间序列数据，依次提取每段时间序列数据中值列的频域信息；计算所述频域信息的误差率，并与设定的可容忍误差率相比；若所述频域信息的误差率小于可容忍误差率，则该段时间序列数据的时间列存储时域信息，值列存储所述频域信息；若所述频域信息的误差率大于可容忍误差率，则该段时间序列数据的时间列存储时域信息，值列存储时域信息。利用时间序列的频域特点，对时间序列值列按照需求进行频域和时域混合存储，能够适应不同的时间序列场景和用户需求，极大降低了存储空间，可通过用户设置参数实现磁盘占用和误差率间的平衡。
一种基于时域时序数据存储方法系统

[发明专利]一种基于时间序列分解的中标数量预测方法-CN201910072290.3在审
发明人：安程治;王相成;李锐;于治楼;段强 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2019-01-25 - 公布日： 2019-05-21 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供一种基于时间序列分解的中标数量预测方法，属于客户关系管理技术领域，本发明利用CRM数据库中的数据进行中标数据的统计并建立时间序列，然后利用时间序列分解方法(STL)将原时间序列分解为趋势数据，周期数据，和噪音(余项)。分解后利用多项式对趋势进行拟合，以此来对未来时间的趋势进预测然后加上恒定的周期数据最终得到未来的时间里各个月份的中标数据。
时间序列分解数量预测周期数据客户关系管理趋势数据时间序列恒定的拟合数据库噪音分解预测统计

[发明专利]一种基于时间序列数据的异常值检测方法和系统-CN202011314322.5在审
发明人：赵乔乔 -专利权人：北京思特奇信息技术股份有限公司
申请日： 2020-11-20 - 公布日： 2021-03-05 - 主分类号： G06F16/2458 文献下载
摘要：本发明公开了一种基于时间序列数据的异常值检测方法和系统，涉及异常检测领域。该方法包括：读取时间序列数据，根据预设方法将时间序列数据进行划分，将划分后获得的多个数据集分别设置对应的异常值阈值，根据异常值阈值来判断出时间序列数据中的异常值，根据时间区间的类别将数据划分为对应的数据集合，得到不同时间区间对应的阈值，相对于构造概率函数得到唯一的阈值提高了精确度。
一种基于时间序列数据异常检测方法系统

[发明专利]一种基于时间序列智能预测的企业异动预警方法-CN201811582052.9有效
发明人：蒋昌俊;王鹏伟;章昭辉;张翔 -专利权人：东华大学
申请日： 2018-12-24 - 公布日： 2023-03-21 - 主分类号： G06F16/953 文献下载
摘要：本发明涉及一种基于时间序列智能预测的企业异动预警方法，包括以下步骤：使用网络爬虫技术获取网络新闻文本以及新闻的发布时间，并进行数据预处理；将数据转化为时间序列，并划分为时间序列段，用来进行时间序列预测；使用时间序列智能预测模型进行时间序列预测；通过文本聚类进行预警信息的挖掘，找到簇的中心文本作为预警新闻。本发明能够通过外部公开的数据解决企业异动预警问题。
一种基于时间序列智能预测企业预警方法

[发明专利]基于访问趋势预测的时间序列数据库缓存管理方法-CN201510733108.6有效
发明人：杨凡;钱锋;张俊 -专利权人：南京南瑞继保电气有限公司;南京南瑞继保工程技术有限公司
申请日： 2015-10-31 - 公布日： 2019-05-28 - 主分类号： G06F16/2455 文献下载
摘要：本发明提供了基于访问趋势预测的时间序列数据库缓存管理方法，在常规数据库提供数据访问缓存的基础上,建立时间序列数据库双缓存机制；在常规缓存之外增加一块预测数据缓存，用于预测访问数据的预加载,以便在数据访问之前将其载入内存本发明用以实现对时间序列数据库数据缓存进行有效管理，提高数据缓存命中与系统数据查询效率。系统对于近期访问数据进行分析，并预测数据访问趋势，对预测数据进行加载，提高数据访问速度。此种方法适用于时间序列数据库数据缓存管理，用于提高时间序列数据库数据查询效率。
基于访问趋势预测时间序列数据库缓存管理方法

[发明专利]基于时序数据库的检索匹配方法和装置-CN202211616863.2在审
发明人：王建民;朱妤晴;王一力;安彦哲 -专利权人：清华大学
申请日： 2022-12-15 - 公布日： 2023-05-09 - 主分类号： G06F16/2458 文献下载
摘要：本发明提供一种基于时序数据库的检索匹配方法和装置，包括：获取时间序列元信息和时序数据变化趋势信息；基于所述时间序列元信息从预先创建的时序数据库中筛选出候选序列集；基于所述时序数据变化趋势信息对所述候选序列集进行匹配计算，以便从所述候选序列集的序列中找到每条序列的最匹配子序列。本发明根据时间序列元信息和时序数据变化趋势信息，从时序数据库筛选出候选序列集，再进行匹配计算，查询出数据库中最匹配用户所描述形状的子序列，支持了用户利用混合信息查出所需序列段，实现了时延更短的查询，从而使序列匹配的性能大幅提升
基于时序数据库检索匹配方法装置

[发明专利]一种基于时间序列分割和张量CP分解检测异常的方法-CN201910384489.X在审
发明人：尹青山;李锐;于治楼 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2019-05-09 - 公布日： 2019-10-11 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于时间序列分割和张量CP分解检测异常的方法，涉及数据异常检测技术领域，采用技术方案：首先分割时间序列数据，得到时间子序列数据；然后对其中一段时间子序列数据进行张量建模；其次对张量建模后的数据进行CP分解，以求得对角缩放系数矩阵λ1；再对下一段时间子序列数据进行CP分解，以求得对角缩放系数矩阵λ2；最后将对角缩放系数矩阵λ1和对角缩放系数矩阵λ2进行多维空间的欧式距离计算，发现可能的异常值。整个方法通过降低时间序列数据的维度，加快了计算速度，实现了大量数据的实时处理，解决了现有数据难以实时且大量处理的难题。
矩阵对角缩放系数序列数据时间子时间序列数据分解检测时间序列建模分割检测技术领域分解多维空间欧式距离实时处理数据异常维度发现

[发明专利]金融时间序列的合成方法、装置和存储介质-CN201910885881.2在审
发明人：林晓明 -专利权人：华泰证券股份有限公司
申请日： 2019-09-18 - 公布日： 2020-01-14 - 主分类号： G06F16/21 文献下载
摘要：本发明公开了一种金融时间序列的合成方法，所述金融时间序列的合成方法包括以下步骤：获取观测时间点，并获取截至所述观测时间点的多个金融指标数据；利用SUMPLE算法对各个所述金融指标数据进行合成，得到合成金融时间序列本发明还公开了一种金融时间序列的合成装置和存储介质。本发明用于合成的SUMPLE算法适用于低信噪比的数据的合成，利用SUMPLE算法对各个同比序列合成时，可以计算出各个金融指标数据的最优权值，从而使得到的合成金融时间序列信噪比高。
时间序列合成金融指标数据算法时间点观测存储介质低信噪比合成装置序列合成信噪比优权

[发明专利]一种工业设备多模态时序异常检测方法-CN202310765290.8在审
发明人：利节;覃锐;唐辉荣;蒲文良;罗军;于同奎;曹俊 -专利权人：重庆科技学院
申请日： 2023-06-27 - 公布日： 2023-09-22 - 主分类号： G06F18/2433 文献下载
摘要：本发明公开了一种工业设备多模态时序异常检测方法，包括步骤：对数据进行标准化，并将其转换为时间序列窗口，得到预处理窗口序列数据，利用多模态时间序列数据构造结构有向图；设计多模态时空特征提取网络，通过图注意力网络和时间维卷积网络获取不同级别的模态关联规则，提取时间序列特征；构建时间序列预测模块，模拟后续时间步长的正常输出；联合预测输出和实际输出计算异常分数，识别异常的时间序列。本方法步骤简明，所构建的网络模型结构简单，检测工业设备异常数据的过程快速而又准确。
一种工业设备多模态时序异常检测方法

[发明专利]基于深度学习的长时间序列预测方法、装置、设备及介质-CN202211624511.1在审
发明人：余晓填;王孝宇 -专利权人：深圳云天励飞技术股份有限公司
申请日： 2022-12-16 - 公布日： 2023-05-09 - 主分类号： G06Q50/26 文献下载
摘要：本申请涉及人工智能技术领域，尤其涉及一种基于深度学习的长时间序列预测方法、装置、设备及介质。该方法对获取的M个时间序列数据集进行相关性分析，确定任两个数据集间的相关性系数，根据相关性系数构建图结构数据，使用图卷积网络对图结构数据进行重表达，得到M个更新的数据集，使用自注意学习模型对M个更新的数据集进行特征提取并结合待预测的时间点个数，预测得到长时间序列。该方法基于图卷积网络与自注意学习模型结合来预测长时间序列，通过图卷积对多重序列的处理，得到了时间序列数据集之间的关系，丰富了数据的特征量，通过自注意学习可以在输入较短的数据里面进行自注意学习，充分挖掘数据的相关性，从而实现准确地长时间序列预测。
基于深度学习长时间序列预测方法装置设备介质

[发明专利]检测时间序列数据中的子序列的方法和设备-CN200910222849.2无效
发明人：王芳林 -专利权人：夏普株式会社
申请日： 2009-11-19 - 公布日： 2011-05-25 - 主分类号： G06K9/68 文献下载
摘要：公开了一种检测时间序列数据中的子序列的方法和设备。该方法包括步骤：确定时间序列数据中的显著点；根据确定的显著点设置初始参数矢量，所述初始参数矢量中的元素包括表示目标子序列的空间弯曲和/或时间弯曲的参数；利用迭代的方法，基于预先存储的模板序列，从所述初始参数矢量计算最终参数矢量；基于最终参数矢量确定时间序列数据中的子序列。本发明的实施例考虑到了时间序列数据中可能的时间域变形和特征域变形，因此识别准确度较高。由于使用了本发明实施例提出的迭代方法来定位模板序列，所以本发明的方法的计算量较小。
检测时间序列数据中的方法设备

[发明专利]用电量异常检测方法、装置、终端及计算机可读存储介质-CN201810744182.1有效
发明人：郑立颖;徐亮;肖京 -专利权人：平安科技（深圳）有限公司
申请日： 2018-07-06 - 公布日： 2023-01-10 - 主分类号： G06F17/18 文献下载
摘要：本发明公开了一种用电量异常检测方法、异常检测装置、异常检测终端及计算机可读存储介质，该用电量异常检测方法包括：按预设时间间隔从所有用电量时间序列中采集各目标时间点上的序列特征值，以生成各用电量时间序列对应的特征数据序列；对所有特征数据序列中各目标时间点对应的序列特征值作均值计算，以获得各目标时间点上的平均特征值；按时间顺序将所有平均特征值生成对应的平均特征序列；根据相对熵算法计算每个特征数据序列和平均特征序列之间的相对熵；若相对熵大于预设值，则将该相对熵对应的特征数据序列设为异常序列。
用电量异常检测方法装置终端计算机可读存储介质

[发明专利]一种非平稳时间序列数据的多维度扩充预测方法与装置-CN202010451278.6有效
发明人：常关羽;赵勇;张彬;胡芸华;朱炼;牛富增 -专利权人：成都千嘉科技股份有限公司
申请日： 2020-05-25 - 公布日： 2023-04-18 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及一种非平稳时间序列数据的多维度扩充预测方法与装置，包括以下步骤：收集原始抄表数据，对原始抄表数据进行加工，扩展数据维度构造抄表数据集；构建不同序列依赖长度的RNN序列表达模型，采用全量数据进行模型训练，依据模型性能表现确定最优化依赖长度；以最佳序列依赖长度建立RNN序列模型，以抄表数据集为基础，进行模型训练，获得优化后的RNN序列模型参数；使用所述优化后的RNN序列模型参数对各个表具的最新远传数据进行预测；将预测的远传数据值与实际远传数据值进行对比，依据策略得到校正值，并将校正值记录入库。本发明能够对非平稳时间序列进行建模，同时能融合差异性时间步长的信息维度，使得时间序列模型具备更强的表达能力。
一种平稳时间序列数据多维扩充预测方法装置

[发明专利]一种融合长短期记忆网络与注意力机制的时间序列预测方法-CN202310027489.0在审
发明人：李卫榜;温显昀;李玲;崔梦天 -专利权人：西南民族大学
申请日： 2023-01-09 - 公布日： 2023-07-14 - 主分类号： G06N3/0442 文献下载
摘要：本发明公开了一种融合长短期记忆网络与注意力机制的时间序列预测方法，包括：(1)输入数据编码，对输入的时间序列数据使用长短期记忆网络LSTM进行编码处理，并对输出向量进行批量归一化处理；(2)注意力权重计算，对编码层输出的当前时刻的隐藏状态数据，计算当前时刻的注意力权重，得到注意力层的输出向量；(3)时间序列数据预测，对注意力层输出向量通过解码器计算得到初始输入时间序列所对应的预测输出值，再通过全连接层的relu激活函数计算得到预测时间序列；(4)在真实时间序列数据集上使用本发明融合长短期记忆网络与注意力机制的时间序列的模型与主流时间序列预测模型进行对比，以此验证本发明时间序列预测模型的性能优劣。研究结果表明，本发明提出的融合长短期记忆网络与注意力机制的时间序列预测模型比目前主流的时间序列预测模型预测效果要好。
一种融合短期记忆网络注意力机制时间序列预测方法

[发明专利]一种基于双重匹配的全域车辆轨迹拼接方法-CN202310294662.3在审
发明人：王玲;邹菱洁;朱梓桐;孙佳杭;李若松 -专利权人：同济大学
申请日： 2023-03-23 - 公布日： 2023-06-23 - 主分类号： G06F18/22 文献下载
摘要：本发明涉及一种基于双重匹配的全域车辆轨迹拼接方法，包括以下步骤：获取来自不同数据源的全域车辆轨迹数据并进行数据预处理，得到重合区域车辆轨迹数据；对不同数据源的重合区域车辆轨迹数据进行时间误差校验；基于轨迹到达特征对车辆轨迹数据进行到达序列编码和到达序列匹配；基于动态时间规整算法进行时间序列相似性匹配；对到达序列匹配结果和时间序列相似性匹配结果进行对比和校验，完成全域车辆轨迹拼接。与现有技术相比，本发明采用重合区域的轨迹为拼接基础，避免了没有重合区域数据源中误差较大的问题，并基于时间序列相似性以及到达序列特征双重匹配，提高了匹配精度。
一种基于双重匹配全域车辆轨迹拼接方法