“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]基于灰色关联及QGNN的居民消费价格指数预测方法-CN201910943167.4在审
发明人：廖一鹏;张进 -专利权人：福州大学
申请日： 2019-09-30 - 公布日： 2020-01-03 - 主分类号： G06Q30/02 文献下载
摘要：本发明涉及一种基于灰色关联及QGNN的居民消费价格指数预测方法，首先，通过灰色关联分析计算居民消费价格指数序列与各影响因子序列等时间序列的关联度并根据关联度进行排序，删除小于关联度阈值的影响因子所对应的原始序列并更新时间序列，以降低待处理的数据量；然后，将更新后的时间序列作为输入，采用基于梯度下降法的量子门节点神经网络，学习时间序列的变化规律，计算得到居民消费指数的预测结果和预测误差。该方法有利于减少预测时间，提高预测精度。
时间序列关联度消费价格指数影响因子预测灰色关联分析居民变化规律神经网络消费指数预测结果预测误差原始序列量子门数据量下降法更新排序删除关联学习

[发明专利]一种基于EEMD-CEEMDAN结合LSTM的混合时间序列数据预测方法-CN202310797469.1在审
发明人：尤佳;唐浩;郭东生;刘慧舟;高锦雄 -专利权人：海南大学
申请日： 2023-07-03 - 公布日： 2023-10-03 - 主分类号： G06F18/241 文献下载
摘要：本发明提供一种基于EEMD‑CEEMDAN结合LSTM的混合时间序列数据预测方法，包括下述步骤：获取原始时间序列数据，并对所述原始时间序列数据进行预处理；对经预处理之后的时间序列数据进行信号分解，得到IMF模态分量；将得到的IMF模态分量输入到LSTM预测模型中得到最终的预测结果。本发明提出的预测模型通过EEMD‑CEEMDAN结合LSTM模型进一步改进提升时间序列数据预测准确度；提出了多步骤的信号分解方式，通过使用EEMD和CEEMDAN分别分解目标序列数据和数据集中其他各成分序列数据
一种基于 eemd ceemdan 结合 lstm 混合时间序列数据预测方法

[发明专利]时间序列中异常数据的检测方法和装置-CN202111024302.9在审
发明人：倪翔;孟昌华;王维强 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2021-09-02 - 公布日： 2021-12-28 - 主分类号： G06Q10/04 文献下载
摘要：本说明书实施例提供了时间序列中异常数据的检测方法和装置。根据实施例的方法，首先获取待检测时间段内的时间序列，然后确定与该时间序列具有相关性的关联时间序列。然后获取当前时间序列的历史数据，进一步根据该时间序列以及该时间序列的历史数据和关联时间序列得到时间序列的预测值。最后根据该时间序列的预测值和实际值对时间序列中的指标数据是否存在异常进行检测。如此充分考虑了与该当前时间序列相关联的关联时间序列和历史数据，能够提高当前时间序列的预测值的准确度，从而使异常数据的检测具有更高的检测精度。
时间序列异常数据检测方法装置

[发明专利]一种基于时间序列聚类的短期负荷预测方法-CN202310530062.2有效
发明人：阮博;黄家祺;叶学程;汪致洵;迟赫天;俞德华;张丽红;杨东俊;王博;郑旭;邹炜;邓琼;徐秋实;范玉宏;陈超迁 -专利权人：国网湖北省电力有限公司经济技术研究院;国网湖北省电力有限公司黄石供电公司
申请日： 2023-05-12 - 公布日： 2023-08-11 - 主分类号： G06Q10/04 文献下载
摘要：一种基于时间序列聚类的短期负荷预测方法，首先基于历史日期的负载时间序列对历史日期集做聚类分析，给每个历史日期分配聚类标签并确定日期类型，然后在历史日期集中选定与待预测日期的日期类型相同，同时与待预测日期前p天的标签序列相同的历史日期作为目标日期，随后在历史日期集中选定目标日期前q天，计算目标日期前q天的温度时间序列与待预测日期前q天的温度时间序列之间的距离，筛选出距离最近的目标日期并基于其负载时间序列计算得到待预测日期的负载时间序列本设计不仅充分考虑了日期和温度对于负荷的影响，而且充分利用了数据时间序列包含的信息，最终提高短期负荷预测精度。
一种基于时间序列短期负荷预测方法

[发明专利]图像扫描时间预测方法、装置、设备及存储介质-CN201911192816.8在审
发明人：熊俊峰;伍健荣;朱艳春;李仁;赵若涵;常佳 -专利权人：腾讯医疗健康（深圳）有限公司
申请日： 2019-11-28 - 公布日： 2020-03-27 - 主分类号： A61B6/00 文献下载
摘要：本申请公开了一种图像扫描时间预测方法、装置、设备及存储介质，属于医学检测领域。所述方法包括：获取第一扫描时间的第一图像序列，以及第二扫描时间的第二图像序列，第一图像序列和第二图像序列是分别对第一扫描时间和第二扫描时间扫描得到的三维图像从多个角度进行切片得到；将第一图像序列和第二图像序列作为扫描时间预测模型的输入，通过扫描时间预测模型确定预测时间间隔；根据第二扫描时间和预测时间间隔，确定在第二扫描时间之后下一次对目标部位进行扫描的第三扫描时间。如此，可以在扫描过程不断预测下一次的扫描时间，并在预测的合适扫描时间来对目标部位进行精准扫描，从而可以得到较高质量的扫描图像。
图像扫描时间预测方法装置设备存储介质

[发明专利]跳板攻击检测方法、装置、终端设备及计算机存储介质-CN202310515237.2有效
发明人：顾钊铨;贾焰;方滨兴;胡宁;张钧建;罗翠;周可;孟令逍;王新刚;关华 -专利权人：鹏城实验室
申请日： 2023-05-09 - 公布日： 2023-08-25 - 主分类号： H04L9/40 文献下载
摘要：本发明涉及网络安全的技术领域，尤其涉及一种跳板攻击检测方法、装置、终端设备及计算机存储介质，该方法包括：获取所述初始物理系统在预设的预测时间节点发送给所述目标物理系统的实际流量时间序列，其中，所述实际流量时间序列是指所述初始物理系统发送给所述目标物理系统的内网通信数据包在所述预测时间节点的实际流量变化值；基于预设的指数平滑模型获取预测流量时间序列，其中，所述预测流量时间序列是指所述初始物理系统与所述目标物理系统在所述预测时间节点进行正常交互的预测流量变化值；根据所述预测流量时间序列和所述实际流量时间序列进行跳板攻击检测
跳板攻击检测方法装置终端设备计算机存储介质

[发明专利]标签预测生成方法及装置-CN201610591081.6有效
发明人：季振峰;李雪斌;沈志宏 -专利权人：华为技术有限公司
申请日： 2016-07-22 - 公布日： 2021-01-15 - 主分类号： G06F16/9535 文献下载
摘要：本发明提供一种标签预测生成方法及装置。该方法包括：选取目标标签，并确定目标标签的历史标签时间序列的起始时间点，目标标签为待预测的标签，确定与目标标签存在因果关系的变量，变量包括标签和/或属性，根据预设的时间序列预测出目标标签在目标时间点的值，预设的时间序列包括目标标签的历史标签时间序列和变量的历史时间序列，或者，预设的时间序列包括变量的历史时间序列，变量的历史时间序列的起始时间点与目标标签的历史标签时间序列的起始时间点相同，目标时间点为当前时间点或当前时间点之后的时间点从而，可以生成当前时间点的标签，也可以预测未来时间点的标签，使得用户画像具有前瞻性，可以更好地支持营销推荐。
标签预测生成方法装置

[发明专利]一种电池状态的确定方法及装置-CN202011057048.8在审
发明人：张奕炜;刘金海 -专利权人：北京昇科能源科技有限责任公司
申请日： 2020-09-30 - 公布日： 2022-04-12 - 主分类号： G01R31/367 文献下载
摘要：本发明实施例公开一种电池状态的确定方法及装置，该方法包括：获得目标电池在当前时刻对应的当前电池数据序列；基于当前电池数据序列中各历史时间窗对应的电池数据，各历史时间窗所对应预测时间窗对应的电池数据中的电流相关数据，以及当前的电压预测模型，确定当前电池数据序列对应的预测时间窗所对应电压预测值；基于当前电池数据序列对应的预测时间窗所对应电压预测值，以及当前电池数据序列中预测时间窗对应的电池数据中的电压实测值，确定目标电池对应的检测电池状态
一种电池状态确定方法装置

[发明专利]基于经验模态神经网络的混沌时间序列预测方法-CN201610014226.6在审
发明人：文元美;李小红;钟鸿科 -专利权人：广东工业大学
申请日： 2016-01-11 - 公布日： 2016-06-15 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于经验模态神经网络的混沌时间序列预测方法，属于混沌时间序列预测领域。包括如下步骤：1）混沌时间序列混沌特性的判别；2）混沌时间序列数据预处理；3）混沌时间序列相空间重构；4）构建经验模态神经网络并训练经验模态神经网络模型；5）利用经验模态神经网络对混沌时间序列进行预测。本方法相比传统混沌时间序列预测方法而言，增强了预测模型的自适应能力，能根据数据集本身特点自适应地构造经验模态神经网络隐含层激励函数，而无需任何激励函数的选择，同时将序列进行经验模态分解的分量个数作为经验模态神经网络隐含层层数
基于经验神经网络混沌时间序列预测方法

[发明专利]一种基于增强动态性检测概率优化磁共振扫描时间的方法-CN202210762415.7在审
发明人：胡斌;姚志军;包聪;郑炜豪 -专利权人：兰州大学
申请日： 2022-06-29 - 公布日： 2022-08-30 - 主分类号： A61B5/055 文献下载
摘要：本发明公开一种基于增强动态性检测概率优化磁共振扫描时间的方法，通过对磁共振图像进行预处理，并再依次进行分割脑区处理、同数量级处理、滑动窗口切分处理、和预测，得到第一预测序列，再通过对由第二时间序列分割部分进行空间加权处理，并拼接成全脑区时间序列矩阵，对其依次进行编码器网络处理、加权处理、解码器网络处理和时间序列预测得到第二预测序列，通过第一预测序列、第二预测序列和第一预测序列构建损失函数并进行动态性检测，得到增强的检测概率，并再根据现有的检测概率，确定磁共振扫描时间的缩短长度。本发明通过提升动态性检测概率，以此来缩短磁共振的扫描时间，解决现有技术中一些患者不能长时间进行磁共振扫描的问题。
一种基于增强动态检测概率优化磁共振扫描时间方法

[发明专利]基于小波分解与重构的时间序列风速预测方法-CN201610845639.9在审
发明人：赵征;王晓亮;张亚刚;勾海芝 -专利权人：华北电力大学（保定）
申请日： 2016-09-24 - 公布日： 2017-02-08 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于小波分解与重构的时间序列风速预测方法，属于输配电技术领域，目的是改进原有的风速预测方法，提高风速预测精度，其技术方案是，所述方法通过小波变换的时间‑频率局域分析方法，对历史风速序列进行分解与重构，将原始风速序列分解为低频和高频部分，最后分别对分解与重构后的高频和低频序列建立时间序列模型，合成各个预测结果得到原始风速的预测值。本发明充分挖掘风速序列的内在联系，揭示序列在不同尺度上的时频特征，在此基础上，建立适当的时间序列模型。实验结果表明，本方法要优于单纯传统ARMA的预测方法，并且具有更高的预测精度。
基于分解时间序列风速预测方法

[发明专利]基于NPSDV驱动因子识别的海洋气候预测方法及系统-CN202010183427.5有效
发明人：陈建;姜祝辉;金宝刚;程锐;宿兴涛;王洋;白成祖;沈晓晶 -专利权人：中国人民解放军61540部队
申请日： 2020-03-16 - 公布日： 2022-09-23 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于NPSDV驱动因子识别的海洋气候预测方法及系统。所述预测方法包括：获取海表盐度SSS分析参数；根据SSS分析参数确定北太平洋海表盐度年代际变化NPSDV的时间序列以及驱动因子指数时间序列，并计算NPSDV的时间序列功率谱、驱动因子指数时间序列功率谱、NPSDV的时间序列滞后交叉自相关、驱动因子指数时间序列滞后交叉自相关、滞后交叉相关；利用自回归过程模型重构空间点SSS异常，确定SSS异常重构结果；根据NPSDV的时间序列功率谱、驱动因子指数时间序列功率谱、NPSDV的时间序列滞后交叉自相关、驱动因子指数时间序列滞后交叉自相关、滞后交叉相关以及SSS异常重构结果确定驱动因子；根据驱动因子预测海洋气候。采用本发明所提供的预测方法及系统能够精确预测出海洋气候。
基于 npsdv 驱动因子识别海洋气候预测方法系统

[发明专利]基于组合模型的移动终端CPU短期负载预测方法及相关设备-CN202311174944.6在审
发明人：钟昊阳;陆璐;于瑾瑾;万童;邹全义;冼允廷 -专利权人：人工智能与数字经济广东省实验室（广州）;华南理工大学
申请日： 2023-09-13 - 公布日： 2023-10-20 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种基于组合模型的移动终端CPU短期负载预测方法及相关设备，涉及移动终端负载预测技术领域，核心步骤主要包括：构建ARIMA模型，将所述线性的负载时间序列输入到所述ARIMA模型中，得到所述线性的负载时间序列的下一时刻负载的线性预测值；根据所述CPU负载时间序列和对应时刻的所述线性的负载时间序列，得到负载时间序列的残差；建立并训练SVR模型，将所述负载时间序列的残差输入到所述SVR模型中，得到下一时刻负载的残差预测值；根据所述下一时刻负载的线性预测值和所述下一时刻负载的残差预测值，得到移动终端CPU短期负载的预测结果。
基于组合模型移动终端 cpu 短期负载预测方法相关设备

[发明专利]一种基于多尺度的时间序列预测方法及系统-CN202210776953.1在审
发明人：谭龙兴;郑晓彬 -专利权人：浙江天垂科技有限公司
申请日： 2022-06-30 - 公布日： 2022-10-04 - 主分类号： G06F16/215 文献下载
摘要：本申请公开了一种基于多尺度的时间序列预测方法及系统，涉及时间序列预测技术领域，多尺度的时间序列预测方法包括以下步骤：收集第一历史序列，对第一历史序列进行预处理后生成第二历史序列，基于第二历史序列选定需构建的时间尺度，基于时间尺度搭建深度学习网络模型，获取最新的真实序列并输入精准深度学习网络模型，精准深度学习网络模型基于真实序列输出得到预测结果。有益效果在于通过单尺度层结构提取时间序列中的短期和长期依赖关系，通过多尺度层结构提取不同周期、多尺度的依赖关系，增加对不同时间尺度的信息提取能力，将多尺度转化为多任务学习，从而提升预测精度，且避免了过于依赖业务知识的手工提取特征
一种基于尺度时间序列预测方法系统

[发明专利]一种区域电力负荷预测方法-CN201910510630.6在审
发明人：唐标;李博;朱梦梦;程志万;朱全聪;杨莉;王恩;李贵良 -专利权人：云南电网有限责任公司电力科学研究院
申请日： 2019-06-13 - 公布日： 2019-09-06 - 主分类号： H02J3/00 文献下载
摘要：本申请公开一种区域电力负荷预测方法，包括：根据用电区域的历史负荷数据，构造N组不同时间间隔步长的时间序列特征数据；分别对N组时间序列特征数据进行相关性检验，得到M组通过检验的相关序列；所述相关序列具有序列自相关性；将M组所述相关序列输入多序列长短期记忆网络预测模型中，集成所述多序列长短期记忆网络预测模型的输出结果，预测目标时间点的负荷数据。本申请提供的多序列长短期记忆网络预测模型，基于多个相关序列并捕获负荷数据的长距离依赖性，捕捉如相邻时间点相关性、日相关性、周相关性、月相关性之间的联系，建立特征与负荷之间的非线性关系，提高了负荷预测的准确性
负荷数据记忆网络预测模型电力负荷预测时间序列特征时间点历史负荷数据非线性关系负荷预测输出结果序列输入用电区域预测目标自相关性拟合捕获检验申请样本捕捉