“时间序列预测”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2633559个，建议您升级VIP下载更多相关专利

[发明专利]基于时间序列分割的云服务器性能衰退预测方法-CN202111623888.0在审
发明人：孟海宁;杨哲;童新宇;朱磊;张嘉薇;冯锴 -专利权人：西安理工大学
申请日： 2021-12-28 - 公布日： 2022-05-24 - 主分类号： G06F11/00 文献下载
摘要：本发明公开了基于时间序列分割的云服务器性能衰退预测方法，首先将云服务器上的性能资源时间序列数据进行提取；对得到的时间序列数据采用DTW‑BU时间序列分割算法进行分解；对分割后的子序列分别构建LSTM模型，对云服务器资源时间序列数据进行预测；使用均方根误差和平均绝对百分比误差验证模型精度；根据LSTM模型的时间序列预测数据，对系统性能衰退趋势进行预测，检验数据的拟合程度，根据预测数据阈值判定软件再生的时间节点；本发明可提高云服务器性能衰退预测结果的精度，避免预测过程出现过拟合现象，并解决了针对云服务器性能衰退现象如何在最佳的时间点进行软件再生的问题。
基于时间序列分割服务器性能衰退预测方法

[发明专利]一种基于深度生存分析的网络话题爆发时间预测方法-CN202010738271.2有效
发明人：田玲;罗光春;陈爱国;张栗粽;唐文佚;吴东东 -专利权人：电子科技大学
申请日： 2020-07-28 - 公布日： 2022-03-15 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于深度生存分析的网络话题爆发时间预测方法，属于网络话题预测领域。本发明包括以下步骤：获得数值时间序列数据，将网络话题相关数值量转化为时间序列；获得文本时间序列数据，将网络话题相关时变文本转化为时间序列；获得文本特征时间序列，基于所设置的文本特征提取器，通过文本时间序列数据获得文本特征时间序列；构建基于生存分析的深度学习模型，深度生存模块进行回归预测，输出话题危险率；模型训练，模型训练基于全新设计的损失函数进行训练；确定判断阈值，通过枚举法找到最优判断阈值，实现网络话题爆发时间预测。本发明用于网络话题的爆发预测，能有效提升预测准确性。
一种基于深度生存分析网络话题爆发时间预测方法

[发明专利]时间序列预测方法、装置、电子设备及介质-CN202211134256.2在审
发明人：段智华;张岚;陈伟耿;赵戌 -专利权人：中国电信股份有限公司
申请日： 2022-09-16 - 公布日： 2022-12-02 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种时间序列预测方法、装置、电子设备及介质，涉及大数据技术领域。该方法包括：获取历史时间序列数据；基于Transformer网络构建预测模型，该预测模型包括注意力层，注意力层包括线性映射自相关注意力模块，线性映射自相关注意力模块用于获取预测模型的输入数据的自相关特征；将历史时间序列数据作为输入数据输入预测模型，基于预测模型的线性映射自相关注意力模块，获得历史时间序列数据的自相关特征，并基于历史时间序列数据的自相关特征，获得当前时刻之后预设时间段内的预测序列。该方法能够捕获历史时间序列数据的上下文关联信息，预测更精准，降低了空间和时间复杂度，提高了内存效率和时间效率。
时间序列预测方法装置电子设备介质

[发明专利]一种基于特征工程的XGboost风速短期预测方法-CN202011338697.5在审
发明人：张峰;吴卫东;钱宇;代晶;宋珊珊;伍绍铖;谢诚 -专利权人：国网江苏省电力有限公司江阴市供电分公司;国家电网有限公司
申请日： 2020-11-25 - 公布日： 2021-04-06 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于特征工程的用于风电机组风速预测的方法，提供了一种能够对风能的属性进行更准确表征的良好模型。该方法的主要步骤包括：一、采集风电机组端风速数据，构建基础的基于时间序列的风速原始数据集；二、对原始数据集进行数据预处理，将风速时间序列包含的数字特征提取出来形成特征序列，与原有时间序列结合成为风速时间‑特征序列，作为预测模型的输入；三、采用XGboost算法对步骤二提取风速时间—特征序列进行训练建模，得到风速预测模型；四、采用风速预测模型对风速时间‑特征序列进行预测，得到风速预测数据。该方法创新性的将特征选择与特征提取结合起来，构建风速时间‑特征序列做为预测模型输入，该模型能够进一步提高风速预测的精度。
一种基于特征工程 xgboost 风速短期预测方法

[发明专利]一种异常检测方法及系统-CN202110817408.8在审
发明人：刘建红 -专利权人：微梦创科网络科技（中国）有限公司
申请日： 2021-07-20 - 公布日： 2021-11-19 - 主分类号： G06F16/215 文献下载
摘要：本发明实施例提供一种异常检测方法及系统，包括：获取待检测平台上当前时间之前的预设周期内各指标的时序数据，进行预处理得到该指标的真实值时间序列；针对每种指标，分别使用不少于两种机器学习模型对该指标的真实值时间序列进行预测，得到该预设周期内该指标的各机器学习模型相应的预测值时间序列，将与真实值时间序列最接近的作为该指标的预测值时间序列；针对每种指标将预测值时间序列与其真实值时间序列进行比对，得到误差值时间序列；根据误差值时间序列在指定时间段内每个误差值进行判断，判断各误差值所对应的时间点是否为异常点；针对异常点进行报警。通过机器学习模型计算预测值时间序列，计算量减少、计算时间少。
一种异常检测方法系统

[发明专利]建立时序预测模型的方法、时间序列预测方法和装置-CN202210630578.X在审
发明人：潘晨;詹姆士·张;胡韵;廖聪;郑洋飞;王世军;马琳涛;雷磊 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-06-06 - 公布日： 2022-10-14 - 主分类号： G06F17/18 文献下载
摘要：本说明书实施例提供了一种建立时序预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先获取连续n个时间序列，每个时间序列中包含多个时间点的指标值，所述n为大于1的正整数；然后对所述n个时间序列分别进行凸包提取，得到n个凸包时间序列；最后将所述n个凸包时间序列输入预先训练得到的时序预测模型，得到所述时序预测模型对所述n个等时长的时间序列之后τ个时间序列的统计指标数据，所述τ为大于或等于1的正整数，各时间序列的长度相等。
建立时序预测模型方法时间序列装置

[发明专利]一种数据处理方法、装置、电子设备及存储介质-CN202310024072.9在审
发明人：陈思翰 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-01-09 - 公布日： 2023-10-27 - 主分类号： G16H10/60 文献下载
摘要：本申请公开了一种数据处理方法、装置、电子设备及存储介质，该方法包括：获取待插补时间戳序列和不规则采样多元时间序列；对于不规则采样多元时间序列中每个维度的特征记录信息序列，确定每个待插补时间戳与该特征记录信息序列中各记录时间戳之间的相似程度得到对应的注意力权重；基于注意力权重对该特征记录信息序列在各记录时间戳的特征数据进行加权处理，得到每个待插补时间戳在相应维度上的基础预测特征数据；拼接每个待插补时间戳在各维度的基础预测特征数据得到预测特征数据序列；基于预测特征数据序列进行插补数据预测处理，得到每个待插补时间戳在各维度的插补特征数据。本申请具有预测准确、高效且灵活的特点，适应于高度稀疏时间序列。
一种数据处理方法装置电子设备存储介质

[发明专利]基于聚类算法的风电场功率预测方法、装置、设备和介质-CN202310558840.9在审
发明人：卓毅鑫;蒙文川;胡甲秋;黄馗;詹厚剑;秦意茗;唐健;韦恒;饶志;杨再敏;孙思扬;黎立丰;李爽;席云华;陈遥 -专利权人：广西电网有限责任公司;南方电网能源发展研究院有限责任公司
申请日： 2023-05-17 - 公布日： 2023-08-08 - 主分类号： H02J3/00 文献下载
摘要：本申请涉及一种基于聚类算法的风电场功率预测方法、装置、计算机设备和存储介质，能够提高风电场功率预测效率。所述方法包括：对预先获取的风电场的历史出力数据时间序列进行分割，基于分割结果得到多个片段序列；对多个片段序列进行聚类，得到多个片段序列簇，并根据每个片段序列簇的簇心片段序列，得到典型出力数据时间序列；获取当前出力数据时间序列；当前出力时间数据序列包括与未来时间点邻近的多个历史序列样点和未来时间点的预测序列样点；基于当前出力数据时间序列与各个典型出力数据时间序列的比较结果，确定风电场在未来时间点的预测风电场功率。
基于算法电场功率预测方法装置设备介质

[发明专利]时间序列预测方法、装置、设备、介质及程序产品-CN202210662411.1在审
发明人：孙银波;王世宇;詹姆士·张;胡韵;师晓明;郑洋飞;王世军;马琳涛;雷磊 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-06-13 - 公布日： 2022-10-21 - 主分类号： G06F16/9537 文献下载
摘要：本说明书实施例公开了一种时间序列预测方法、装置、设备、介质及程序产品。其中，该方法包括：首先获取1至t时刻的N元时间序列；上述N元时间序列由时间长度一致，且统计指标相同的N个统计目标各自对应的时间序列组成；然后获取1至t+m时刻的N元时间序列对应的目标协变量；最后将1至t时刻的N元时间序列以及目标协变量输入时间序列预测模型中，可以根据基于标准化流技术得到的观测方程输出t+1至t+m时刻的N元预测时间序列；预测时间序列为m个时刻的统计指标各自对应的预测数值按其未来发生时间的先后顺序排列而成的数列，通过标准化流技术生成观测方程，可以更为精确地刻画现实世界中复杂的数据分布，提升时间序列预测的准确性。
时间序列预测方法装置设备介质程序产品

[发明专利]一种差分小波神经网络软件故障预测技术的构建方法-CN201710443365.5有效
发明人：杨顺昆;苟晓冬;周鑫;李大庆;林欧雅;陶飞;佘志坤 -专利权人：北京航空航天大学
申请日： 2017-06-13 - 公布日： 2018-06-01 - 主分类号： G06F11/36 文献下载
摘要：一种差分小波神经网络软件故障预测技术的构建方法，步骤如下：1、筛选有效故障案例；2、计算故障间隔时间，构建原始混沌间隔时间序列；3、构建训练和预测样本；4、对训练和预测样本进行差分预处理，构建训练差分时间序列和预测差分时间序列；5、通过相空间重构构建训练网络的输入矩阵和预期输出矩阵；6、构建基于差分小波神经网络的故障预测算法；7、完成差分小波神经网络的训练，构建故障预测系统；8、输入预测差分时间序列，预测最新的故障差分时间；9、通过差分还原法将输出的差分预测值转换成软件最新的故障间隔时间预测值；10、将预测的差分时间加入预测差分时间序列，运用迭代法实现多步故障预测。
构建差分时间序列小波神经网络预测故障间隔故障预测软件故障预测技术样本还原法矩阵故障预测系统相空间重构分预处理时间序列时间预测输入矩阵输入预测训练网络有效故障预期输出迭代法混沌算法筛选输出转换应用

[发明专利]一种基于卷积神经网络的时间序列负荷预测方法-CN202210198854.X在审
发明人：吴俊杰;罗宇;刘亮;戴雯菊;李一荻;张恂;黄宇;金宇;肖辅盛;黄晓旭;夏盛海;沈云春;卢昊;杨攀 -专利权人：贵州电网有限责任公司
申请日： 2022-03-02 - 公布日： 2022-06-21 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于卷积神经网络的时间序列负荷预测方法，包括：对相关数据进行预处理；根据预处理数据建立时间序列负荷预测模型，并对时间序列负荷预测模型进行前向传播训练，获得前向传播预测结果；根据所述前向传播预测结果与实际值计算均方误差，并将均方误差进行BP反向传播计算，修正模型参数；将修正后的模型参数与训练数据进行拟合训练，直至时间序列负荷预测模型的训练结果收敛，利用训练后的时间序列负荷预测模型进行电力负荷预测；本发明能够有效地避免模型的欠拟合情况，同时基于卷积神经网络搭建时间序列负荷预测模型，减少了参数的训练，避免了梯度下降陷阱，有效提高预测精度。
一种基于卷积神经网络时间序列负荷预测方法

[发明专利]一种抑制数据泄露的高精度时间序列预测方法-CN202210504382.6在审
发明人：刘芳;陈立志;冯永新 -专利权人：沈阳理工大学
申请日： 2022-05-10 - 公布日： 2022-08-05 - 主分类号： G06F21/64 文献下载
摘要：一种抑制数据泄露的高精度时间序列预测方法,属于通信技术以及计算机技术领域，以降噪相关理论与深度学习预测模型建模思想为理论基础，考虑时间序列具有噪声高、非平稳和非线性等特点，为降低噪声对时间序列预测的影响，并防止数据发生泄露的情况，通过重叠切片对时间序列进行多次变分模态分解(VMD)处理，并改进降噪阈值函数，对分解后的时间序列进行降噪处理。进一步，引入深度学习建模思想，建立神经网络多步预测模型，从而提高时间序列的预测性能。本方法适用于具有噪声特性的时间序列多步预测系统及装置。
一种抑制数据泄露高精度时间序列预测方法

[发明专利]时间序列数据预测方法、系统、设备及介质-CN202310883839.3在审
发明人：刘林;林山驰;李相国 -专利权人：宏景科技股份有限公司
申请日： 2023-07-18 - 公布日： 2023-09-05 - 主分类号： G06F18/20 文献下载
摘要：本发明涉及数据处理技术领域，提供一种时间序列数据预测方法、系统、设备及介质，包括：获取资讯文本；根据所述资讯文本，通过资讯文本情感倾向判定模型，得到资讯文本情感倾向特征向量；利用第一注意力机制融合所述资讯文本情感倾向特征向量和历史时间序列数据，得到市场历史走向向量；根据所述市场历史走向向量，通过趋势预测模型预测市场未来趋势，得到未来时间序列数据。本发明提供的时间序列数据预测方法、系统、设备及介质，借助舆情分析实现时间序列数据的精确预测，能够有效应对时间序列趋势的突变，预测出与实际情况更为贴近的时间序列数据。
时间序列数据预测方法系统设备介质

[发明专利]时间序列的预测方法和装置-CN202010451372.1在审
发明人：段艳杰;吕佳;秦臻;李国栋 -专利权人：华为技术有限公司
申请日： 2020-05-25 - 公布日： 2020-10-16 - 主分类号： G06N3/04 文献下载
摘要：本申请提供了一种时间序列的预测方法和装置，涉及人工智能领域。在t时刻进行时间序列的预测时，该方法包括：获取第一输入、第二输入和第三输入，其中，第一输入包括t时刻对应的第一时间序列中的历史数据，第一时间序列为目标时间序列；第二输入包括第二时间序列，第二时间序列用于为t时刻时间序列的预测提供历史信息；第三输入包括t‑1时刻输出的第一状态值，t‑1时刻为t时刻的上一时刻；根据t时刻对应的第一时间序列中的历史数据、第二时间序列和t‑1时刻输出的第一状态值，得到t时刻的预测结果该方法使得时间序列在预测的过程中能够考虑到更多的历史信息，从而能够提升时间序列的预测效果。
时间序列预测方法装置

[发明专利]一种多模型组合水文预报方法、系统及计算机存储介质-CN202211160167.5在审
发明人：左岗岗;罗军刚;侯杰;解建仓;汪妮;张晓;杨雪 -专利权人：西安理工大学
申请日： 2022-09-22 - 公布日： 2023-01-06 - 主分类号： G01W1/10 文献下载
摘要：本发明公开了一种多模型组合水文预报方法、系统及计算机存储介质，方法包括：基本水文模型筛选、基本预测序列获取、多元决策支撑信息选择、基本预测序列过程相似度计算、基本预测序列量值偏离度计算、基本预测序列综合权重计算和基本预测序列加权组合本发明从多个角度评价筛选出合格的基本水文模型并获取预测序列，从历史水文时间序列中选择多元决策支撑信息与预测序列融合，以确定不同基本预测序列权重，最终加权组合多个基本预测序列获取水文时间序列多模型组合预报结果，通过在多模型组合预报方案确定过程中融入关键决策支撑信息，实现科学可靠的水文时间序列多模型组合预报。
一种模型组合水文预报方法系统计算机存储介质

首页
«上一页
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条