“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]一种基于时间卷积和LSTM的时间序列预测方法-CN201810469767.7在审
发明人：李玉华;李瑞轩;辜希武;占旭宽;彭城易;梁天安;龚晶;许武奎 -专利权人：华中科技大学
申请日： 2018-05-16 - 公布日： 2018-11-06 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于时间卷积和LSTM的时间序列预测方法，包括：获取时间序列预测问题的样本数据，包括时间序列和预测目标序列；采用不同的超参数组合，建立基于TC‑LSTM模型的多个候选模型；对时间序列进行预处理，得到窗口序列和目标集，并通过划分得到训练集和测试集；利用训练集对候选模型进行训练；利用训练好的候选模型对测试集中的窗口序列子集进行预测，并计算每一个候选模型的预测结果与测试集中的目标集子集的均方根误差；选取均方根误差最小的候选模型作为预测模型；对待预测的时间序列进行预处理，得到待预测的窗口序列，然后利用预测模型对待预测的窗口序列进行预测，得到预测目标值。本发明能够提高时间序列预测的准确度。
候选模型时间序列预测窗口序列预测时间序列预处理均方根误差时间卷积预测模型训练集测试准确度参数组合样本数据预测结果预测目标测试集子集

[发明专利]一种故障发生时间预测方法及装置-CN202010181809.4在审
发明人：吕佳朋;史贤俊;秦亮;聂新华;翟禹尧;秦玉峰 -专利权人：中国人民解放军海军航空大学
申请日： 2020-03-16 - 公布日： 2020-07-10 - 主分类号： G06F30/27 文献下载
摘要：本发明实施例提供一种故障发生时间预测方法及装置，该方法包括：获取待预测时间序列信息，将待预测时间序列信息输入预设GPR模型中，得到预处理后的待预测时间序列信息；将预处理后的待预测时间序列信息输入预设GPR‑Adaboost模型，得到待预测时间序列对应的预测物理量信息，以根据待预测时间序列对应的预测装备物理量信息进行故障发生时间预测；其中，GPR‑Adaboost模型是通过将多个预设GPR模型作为Adaboost模型的基本学习机训练得到的通过将预处理后的待预测时间序列信息输入预设GPR‑Adaboost模型，得到最终获得的故障时间预测，从而准确的实现对于装备故障发生时间的预测。
一种故障发生时间预测方法装置

[发明专利]时间序列预测方法、装置、设备、介质和产品-CN202310753534.0在审
发明人：赵书宝 -专利权人：新奥新智科技有限公司
申请日： 2023-06-25 - 公布日： 2023-10-27 - 主分类号： G06N3/0464 文献下载
摘要：本申请公开了一种时间序列预测方法、装置、设备、介质和产品。该方法包括：利用预测模型对历史时间序列进行多次采样，获得多个候选时间序列；利用预测模型分别对每一候选时间序列进行特征提取，得到多个数据特征；利用预测模型分别对多个数据特征进行预测，获得每一候选时间序列对应的预测时间序列，根据每一预测时间序列确定未来时间序列。进一步地，基于提取到的上述更多的特征预测得到的未来时间序列的准确性更高。也即，未来时间序列中的能源变化值更加准确。
时间序列预测方法装置设备介质产品

[发明专利]一种基于AAF和深度学习的动力电池健康状态预测方法-CN202310070487.X有效
发明人：张俊杰;王子赟;边天贻;熊林宏;金家立;凌苏湘;王艳;纪志成 -专利权人：江南大学
申请日： 2023-02-07 - 公布日： 2023-09-05 - 主分类号： G01R31/392 文献下载
摘要：本发明公开了一种基于AAF和深度学习的动力电池健康状态预测方法，属于动力电池SOH预测领域。所述方法首先利用集成经验模态分解技术和相关性分析方法将SOH时间序列分解成主趋势时间序列和波动时间序列，其次利用DBN对主趋势时间序列进行预测，针对波动时间序列，先进行数据预处理，然后采用抗混叠低通滤波器对预处理之后的序列进行重采样，之后利用长短期记忆神经网络LSTM对重采样之后序列进行预测，然后再对波动序列预测结果进行反重采样和逆向数据处理得到波动时间序列最终预测值，最后将主趋势时间序列和波动时间序列预测结果进行集成得到最终的SOH预测结果，实现了动力电池SOH的高精度预测。
一种基于 aaf 深度学习动力电池健康状态预测方法

[发明专利]一种有效停车泊位的预测方法-CN201611007071.X有效
发明人：赵靖;郑喆;刘彩云;韩印 -专利权人：上海理工大学
申请日： 2016-11-16 - 公布日： 2020-05-05 - 主分类号： G06Q10/04 文献下载
摘要：根据本发明的有效停车泊位的预测方法，用于预测中小型的停车场的有效停车泊位的数量，其特征在于，包括以下步骤：步骤一，得到初始有效泊位的时间序列；步骤二，根据有效泊位的时间序列，运用GM(1,1)预测模型进行初始预测得到得到初始预测时间序列；步骤三，构建马尔科夫预测模型进行修正预测得到修正预测时间序列；步骤四，设定前期预测时间段和后期预测时间段；步骤五，根据修正预测时间序列，运用小波神经网络对前期预测时间段进行前期预测得到前期预测值和前期预测时间序列；步骤六，根据前期预测时间序列，运用李雅普诺夫指数法对后期预测时间段进行预测得到后期预测值；步骤七，将前期预测值与后期预测值进行合并计算，得到停车泊位的预测值。
一种有效停车泊位预测方法

[发明专利]混凝土碳化深度预测方法及预测系统-CN202011564794.6在审
发明人：杨雪华 -专利权人：北京中冶设备研究设计总院有限公司
申请日： 2020-12-25 - 公布日： 2021-05-28 - 主分类号： G01N33/38 文献下载
摘要：本发明提供一种混凝土碳化深度预测方法及预测系统，包通过碳化深度预测模型对混凝土碳化影响因素值进行分析，获取在预设时间序列上的第一碳化深度预测值，作为第一时间序列数据；对第一时间序列数据进行平稳性验证，获取平稳的时间序列数据；确定碳化深度平稳时间序列数据预测模型的类型，得到初始时间序列数据预测模型；通过碳化深度平稳时间序列数据预测模型，获取第二时间序列数据；通过将第一时间序列数据与第二时间序列数据中相同时间点上的第一碳化深度预测值和第二碳化深度预测值进行加权平均处理，得到在预设时间序列上的混凝土碳化深度预测值。
混凝土碳化深度预测方法系统

[发明专利]一种基于时间序列预测模型的自适应预测方法及系统-CN201811167942.3在审
发明人：李志丰;谭泽汉;陈彦宇;马雅奇;刘欢;贺宗星;张秀蕊;张磊 -专利权人：珠海格力电器股份有限公司
申请日： 2018-10-08 - 公布日： 2020-04-14 - 主分类号： G06Q10/04 文献下载
摘要：本发明属于信息技术领域，具体涉及一种基于时间序列预测模型的自适应预测方法及系统。所述方法包括，获取预测对象一定周期时间内的数据时间序列；对获取的数据时间序列进行分析处理；对分析处理后的数据时间序列进行分解，得到因素变量；根据因素变量对时间序列预测模型进行算法改进；根据改进结果设计时间窗口的自适应算法，进行预测，并得到预测结果。采用本发明的基于时间序列预测模型的自适应预测方法及系统能够实现时间序列预测模型充分利用离职率时间序列季节周期性的信息以及实时保证时间窗口实现自适应选择最优值，预测性能稳定性高、准确度高。
一种基于时间序列预测模型自适应方法系统

[发明专利]基于时间序列和支持向量回归的水质预测方法及装置-CN201811480109.4在审
发明人：宋鑫超 -专利权人：鲁东大学
申请日： 2018-12-05 - 公布日： 2019-05-21 - 主分类号： G06Q10/04 文献下载
摘要：本发明实施例提供一种基于时间序列和支持向量回归的水质预测方法及装置，该方法包括获取历史水质参数的完整时间序列；对所述完整时间序列分别进行时间序列趋势性分析、时间序列突变性分析和时间序列波动信息分析，得到待预测数据集；基于训练后的支持向量回归水质预测模型，对所述待预测数据集进行预测，获取到目标水质预测参数。本发明实施例利用压缩感知理论方法对数据进行修复和补全，根据历史时间序列分析方法得到时间序列的趋势性预测结果、突变性预测结果和波动率预测结果，在时间序列分析结果的基础上，综合观测数据以及外部环境数据运用支持向量机的方法实现相关水质参数的预测，提高了水质预测的精确性，降低了水质预测的复杂程度。
时间序列预测支持向量回归水质预测结果时间序列分析水质参数预测数据趋势性水质预测模型外部环境数据压缩感知理论突变性分析支持向量机波动信息观测数据预测参数突变性分析修复

[发明专利]一种资源调配方法、装置以及设备-CN202210519426.2在审
发明人：魏建平;朱志博;刘子奇;张志强;周俊 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-05-13 - 公布日： 2022-08-02 - 主分类号： G06F9/50 文献下载
摘要：方案包括：确定确定与可用资源相关的业务属性，并待预测的用于描述所述业务属性变化情况的宏观时间序列所对应的多个微观时间序列；对所述多个微观时间序列进行聚类，得到多个微观时间序列组；分别对各所述微观时间序列组进行预测，得到各所述微观时间序列组的预测值；根据各所述微观时间序列组的预测值，预测得到所述宏观时间序列的预测值；根据所述宏观时间序列的预测值，向所述业务属性对应的业务调配所述可用资源。
一种资源调配方法装置以及设备

[发明专利]时序预测方法、装置、电子设备和存储介质-CN202211713990.4在审
发明人：刘兆蓬;郑玉玲;王凌云;王梓凝;郗新江;涂锟 -专利权人：成方金融科技有限公司
申请日： 2022-12-30 - 公布日： 2023-02-03 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及数据处理技术领域，提供了一种时序预测方法、装置、电子设备和存储介质，其中方法包括：对总收支时间序列进行拆分，得到多个子收支时间序列；基于各个子收支时间序列的数据特征之间的特征相似度，对各个子收支时间序列进行序列重组，得到多个重组收支时间序列；基于各个重组收支时间序列进行时序预测，得到总收支时间序列的预测结果，通过先拆分后重组的方式实现了总收支时间序列的时序预测，避免了传统方案中直接预测的预测精度不高，预测效果不佳的问题，实现了预测准确率的提升，同时，基于业务的子类拆分，以及基于数据特征的序列重组，不仅保留了拓宽了应用范围，还增强了场景适应性和预测便利性，降低了人工干预度。
时序预测方法装置电子设备存储介质

[发明专利]多媒体数据投放的预测方法、装置、电子设备及存储介质-CN202210293805.4在审
发明人：王冠;黄耀军;周明付 -专利权人：上海益世界信息技术集团有限公司广州分公司
申请日： 2022-03-23 - 公布日： 2022-06-17 - 主分类号： G06Q30/02 文献下载
摘要：本申请提供了一种多媒体数据投放的预测方法、装置、电子设备及存储介质，涉及数据处理领域。该方法包括：获取历史投放的多数媒体数据产生的多个历史时间序列；基于预设的目标时间段生成目标时间序列；其中，所述目标时间序列包括已生效序列和待预测序列，所述已生效序列对应于已投放的第一投放数据；对所述已生效序列与各个所述历史时间序列进行相似性对比；根据相似性选择至少一个历史时间序列，并根据所述至少一个历史时间序列预测所述待预测序列对应的待预测数据。本申请实现了对目标时间序列中的待预测数据精准预测。
多媒体数据投放预测方法装置电子设备存储介质

[发明专利]基于ARIMA与LSTM的海岸带地面沉降预测方法-CN202210802633.9在审
发明人：吴自银;罗孝文;朱宝;尚继宏;赵荻能;陈小伦 -专利权人：自然资源部第二海洋研究所
申请日： 2022-07-09 - 公布日： 2022-11-01 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于ARIMA与LSTM的海岸带地面沉降预测方法，涉及深度学习领域。本发明包括以下步骤：InSAR的SLC影像数据经过预处理得到干涉图；根据干涉图利用StaMPS得到第一时间序列；基于第一时间序列，利用ARIMA模型进行初步的预测，得到预测时间序列；所述预测时间序列与所述第一时间序列做差，得到第二时间序列；利用LSTM模型对第二时间序列进行学习，得到第三时间序列；将第三时间序列与预测时间序列相加，得到原始InSAR形变量时间序列的预测结果。本发明相对单一的预测方法得到的精度指标有所提升。
基于 arima lstm 海岸地面沉降预测方法

[发明专利]一种基于时间序列分解和勒让德投影的时间序列预测方法-CN202310755841.2有效
发明人：马廷淮;刘建鑫;荣欢 -专利权人：南京信息工程大学
申请日： 2023-06-26 - 公布日： 2023-09-12 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于时间序列分解和勒让德投影的时间序列预测方法，包括：获取目标区域的历史数据，并划分为训练集、验证集和测试集；构建时间序列预测模型，将时间序列分解季节项成分和趋势项成分分别进行预测，并基于可逆实例归一化和勒让德投影，得到输出的未来序列数据；设置时间序列预测模型训练环境，通过训练集对时间序列预测模型进行训练，使用梯度函数更新模型参数，直至时间序列预模型达到收敛；通过验证集对模型进行调优，通过测试集评价模型的性能指标是否达到期望本发明具有比其他时间序列预测方法更强的预测性能，在预测未来数据时具有更小的误差，能够为各种行业中需要时间序列预测工具的实际应用提供一个强有力的预测工具。
一种基于时间序列分解勒让德投影预测方法

[发明专利]资源利用率的预测方法及装置-CN201911025128.2在审
发明人：王振杰 -专利权人：新华三大数据技术有限公司
申请日： 2019-10-25 - 公布日： 2020-02-14 - 主分类号： G06F9/50 文献下载
摘要：本申请提供一种资源利用率的预测方法及装置，该方法包括：根据ARIMA模型对历史时间序列进行处理，得到所述历史时间序列对应的拟合时间序列和初级预测值；所述ARIMA模型是根据所述历史时间序列训练得到，所述历史时间序列包括按照时间顺序排序的多个历史资源利用率；根据所述历史时间序列和所述拟合时间序列获得残差序列；根据SRU模型对所述残差序列进行处理，得到所述残差序列对应的次级预测值；所述SRU模型是根据所述残差序列训练得到；根据所述初级预测值和所述次级预测值确定资源利用率的目标预测值通过本申请的技术方案，能够基于ARIMA‑SRU模型实现资源利用率的预测，得到准确的目标预测值。
时间序列资源利用率残差预测目标预测拟合模型实现时间顺序序列训练排序申请

[发明专利]基于DTW的血糖趋势预测方法、系统及医疗设备-CN201810911834.6有效
发明人：樊卓宸;王新安;李秋平;赵天夏 -专利权人：北京大学深圳研究生院
申请日： 2018-08-10 - 公布日： 2021-08-03 - 主分类号： A61B5/145 文献下载
摘要：本发明涉及医疗数据分析技术领域，公开了一种基于DTW的血糖趋势预测方法、系统及医疗设备。所述基于DTW的血糖趋势预测方法，包括：采集血糖真实值的时间序列P；通过PRRx预测方法获取血糖预测值的时间序列Q；计算时间序列P和时间序列Q的相似性度量；根据计算的相似性度量计算预测时间序列H的单位校准值；根据计算的预测时间序列H的单位校准值计算预测时间序列H预测血糖峰值；以及根据计算的预测时间序列H预测血糖峰值获取血糖趋势预测数据。通过实际距离到相似性度量的转化、相似性度量到新的预测距离的转化而获取到准确的血糖趋势预测数据，减轻了患者检测治疗的痛苦，提升了血糖趋势预测的准确性和治疗效果。
基于 dtw 血糖趋势预测方法系统医疗设备