[发明专利]一种基于组合模型的多维时序数据预测方法

摘要

本发明公开一种基于组合模型的多维时序数据预测方法。具体步骤是：对时序数据进行平稳性检验，观察其中是否存在周期重复模式，探索数据的可预测性；通过滑动窗口的方式批量采集样本，形成特征，标签的数据对；将采集样本中的特征部分分别输入到双通道神经网络和支持向量机(SVM)中；借鉴注意力(Attention)机制对两个通道的输出向量加权融合；计算最终输出与标签之间的平均绝对误差，并以此作为损失函数训练网络的内部参数；在结果融合部分根据模型的R方评价指标选取最佳比例进行线性融合。在不同领域的两个数据集上进行测试，预测的拟合程度分别能够达到98.36％和92.50％，对比传统和前沿模型都占有优势。因此该模型能够高效解决多维时序数据预测问题。