“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]业务预测方法及装置-CN202010242629.2在审
发明人：杨帆;常剑;陈三鉴 -专利权人：阿里巴巴集团控股有限公司
申请日： 2020-03-31 - 公布日： 2021-10-01 - 主分类号： G06Q10/04 文献下载
摘要：本说明书提供业务预测方法及装置，其中所述业务预测方法包括：获取业务项目在历史时间区间中各个历史时间节点对应的历史业务数据；按照所述业务项目的各个业务维度对所述历史业务数据进行预处理，获得所述各个历史时间节点的所述各个业务维度对应的特征数据；根据所述特征数据构建所述历史时间区间对应的特征序列；将所述特征序列输入时间序列预测模型进行预测，获得目标时间区间对应的目标特征序列；基于所述目标特征序列确定所述目标时间区间中各个目标时间节点对应的目标预测数据
业务预测方法装置

[发明专利]一种群体性事件分析方法与系统-CN202210938223.7在审
发明人：何南君;刘文豪;战毅;刘昕萍 -专利权人：航天神舟智慧系统技术有限公司
申请日： 2022-08-05 - 公布日： 2023-07-18 - 主分类号： G06Q50/26 文献下载
摘要：本发明提供了一种群体性事件分析方法与系统，包括：获取各个行政部门的矛盾纠纷事件；对矛盾纠纷事件中涉事主体进行识别得到事件主体数量的时间序列；根据事件主体数量的时间序列构建第一预测模型；根据第一预测模型构建第二预测模型；判断时间序列的趋势是否在预设范围内；若时间序列的趋势在预设范围内，则使用第一预测模型对群体性事件进行预警；若时间序列的趋势不在预设范围内，则使用第二预测模型对群体性事件进行预警。本发明通过利用事件主体数量的时间序列构建第一和第二预测模型，然后根据时间序列的趋势选择合适的预测模型对群体性事件进行预警，可以大大提高预警准确率。
一种群体性事件分析方法系统

[发明专利]一种货车油耗预测方法、系统、设备及存储介质-CN202310572243.1在审
发明人：王朋;王笑颜;徐豪;张树峰;纪凯 -专利权人：济南工程职业技术学院
申请日： 2023-05-18 - 公布日： 2023-08-04 - 主分类号： G06Q10/04 文献下载
摘要：本申请例提供了一种货车油耗预测方法、系统、设备及存储介质，包括：采集货车的油耗时间序列数据；对油耗时间序列数据进行预处理，将处理好的油耗时间序列数据输入预先训练好的时间序列油耗预测模型中，输出货车的油耗预测值；其中，时间序列油耗预测模型采用Adam损失函数进行优化，并通过正则化方法减少过拟合。利用长短期记忆神经网络捕捉时间序列的依赖关系和注意力机制挖掘时间序列中的关键信息，从而更准确地预测货车的油耗。并进行了多种特征的融合，进一步提高了模型的预测精准度，够更快地收敛并避免陷入局部最优解，还采用了正则化等技术，减少了模型过拟合的风险，能够提高模型的泛化性能，使得预测结果更加准确可靠。
一种货车油耗预测方法系统设备存储介质

[发明专利]基于CNN时间序列模型的煤自燃预警方法及系统-CN202211620096.2在审
发明人：司俊鸿;范若婷;程根银;李林;赵书奇;王彩萍 -专利权人：华北科技学院
申请日： 2022-12-15 - 公布日： 2023-04-18 - 主分类号： G06N3/0464 文献下载
摘要：本发明涉及煤矿安全技术领域技术领域，且公开了基于CNN时间序列模型的煤自燃预警方法及系统，包括将煤自燃预警根据发火状态分为不同的预警等级，并按照预警等级分别建立相应的阈值；采集相关指标气体的历史数据，构建时间序列数据集；基于构建的时间序列数据集，进行平稳性检验；将进行平稳化处理的时间序列运用ARIMA时间序列预测模型进行预测，得出预测数据，将预测数据与实测数据的残差进行白噪声检验，若通过白噪声检验，则判断预测数据是否已达到需要预警的阈值通过CNN与ARIMA时间序列模型相结合的煤自燃预测预警方法，充分利用相关气体指标的历史数据，构建时间序列，实现对煤自燃风险的预测、预报、预警。
基于 cnn 时间序列模型自燃预警方法系统

[发明专利]基于DeepAR模型的电力现货市场日前价格预测方法及系统-CN202310130483.6在审
发明人：王宝岳;钟明;安娜;杨宁;王春森;任立兵;黄思皖;史鉴恒 -专利权人：中国华能集团清洁能源技术研究院有限公司
申请日： 2023-02-07 - 公布日： 2023-05-16 - 主分类号： G06Q30/0201 文献下载
摘要：本申请提出基于DeepAR模型的电力现货市场日前价格预测方法及系统，所述方法包括：获取待确定电价日的各披露数据时间序列及各披露数据时间序列对应的缩放因子、权重因子和前一日电价数据时间序列对应的缩放因子；对披露数据时间序列进行处理；将处理后的披露数据时间序列输入所述预先构建好的DeepAR模型中，得到所述DeepAR模型输出的所述待确定电价日的日前电价初始预测结果；根据所述待确定电价日的前一日电价数据时间序列对应的缩放因子对所述日前电价初始预测结果进行优化，得到优化后的日前电价预测结果。本申请提出的技术方案，可以对时间序列里的幅度变化不均衡的问题进行有效处理，并利用DeepAR模型进行电价预测，进而提高了预测精度及预测效率。
基于 deepar 模型电力现货市场日前价格预测方法系统

[发明专利]一种有效停车泊位的预测方法-CN201811209923.2有效
发明人：岑岗;李向东;岑跃峰;林雪芬;徐增伟;冯天祥;马伟锋;程志刚;张宇来;王建芬 -专利权人：浙江科技学院
申请日： 2018-10-17 - 公布日： 2020-07-31 - 主分类号： G08G1/14 文献下载
摘要：一种有效停车泊位的预测方法，包括：步骤一，根据采集到的停车场的历史信息得到有效停车位的时间序列，并检验序列的完整性，记为第一待预测时间序列；步骤二，将时间序列在高维空间进行重构，实现随机成分与确定成分的分离；步骤三，把得出的低维空间流形坐标映射回原时间序列相空间重构得到的高维嵌入空间中；步骤四，训练集训练LSTM神经网络得到第一LSTM神经网络；训练集训练LSTM神经网络得到第二LSTM神经网络；将第一待预测时间序列训练值输入第一LSTM得到第一预测结果，将第二待预测时间序列训练值输入第二LSTM得到第二预测结果；步骤五，加权组合第一预测结果和第二预测结果，并与原序列的进行相似度检验，从而确定最终结果。
一种有效停车泊位预测方法

[发明专利]一种光伏电站功率超短期预测方法、装置及相关设备-CN202310417715.6有效
发明人：张东晓;陈云天;赵辛;蒋春碧 -专利权人：深圳市峰和数智科技有限公司
申请日： 2023-04-19 - 公布日： 2023-06-23 - 主分类号： G06Q10/04 文献下载
摘要：本申请公开了一种光伏电站功率超短期预测方法、装置及相关设备，该方法包括：获取光伏电站在第一时间段内的气象预报时间序列、在第二时间段内的云图时间序列、在第二时间段及第三时间段内的辐照强度实测时间序列及功率实测时间序列；将所述气象预报时间序列、所述云图时间序列、所述辐照强度实测时间序列和所述功率实测时间序列输入训练后的功率预测模型中，得到第一时间段内的功率预测时间序列。其中，云图时间序列为预先利用风速实测时间序列、风向实测时间序列以及云层图片生成的。本申请能够基于气象预报数据、历史云层图片、历史辐照强度实测数据以及历史功率实测数据，预测出功率值，具有重要的应用价值。
一种电站功率短期预测方法装置相关设备

[发明专利]用于具有用户交互的时间序列预测的自动深度学习架构选择-CN202180071234.3在审
发明人：陈蓓;王大阔;M·威斯托巴;B·比塞尔;L·吴;淦创;M·辛 -专利权人：国际商业机器公司
申请日： 2021-11-12 - 公布日： 2023-07-14 - 主分类号： G06Q10/04 文献下载
摘要：一种用于自动生成用于时间序列预测的深度神经网络架构的系统和方法。该系统包括处理器，用以：接收与当前用例相关联的预测上下文；基于相关联的预测上下文，选择被配置用于当前用例时间序列预测任务的预测模型网络；复制所选择的预测模型网络以创建多个候选预测模型网络；将时间序列数据输入到多个候选预测模型网络中的每个候选预测模型网络架构；利用输入时间序列数据并行地训练多个候选预测模型网络中的每个相应候选预测模型网络；通过在并行训练的同时应用一个或多个模型参数的相应不同集合来修改多个候选预测模型网络中的每个候选预测模型网络架构；以及确定用于解决当前用例时间序列预测任务的最适合的经修改预测模型网络
用于具有用户交互时间序列预测自动深度学习架构选择

[发明专利]一种出行生成量预测方法及系统-CN201911215218.8有效
发明人：陆建;王成晨 -专利权人：东南大学
申请日： 2019-12-02 - 公布日： 2021-06-15 - 主分类号： G08G1/01 文献下载
摘要：本发明公开一种出行生成量预测方法及系统。该方法包括：获取来自出行软件的用户出行数据；从出行数据中筛选不同时间点的出行产生量和出行吸引量生成出行产生量时间序列和出行吸引量时间序列；将出行产生量时间序列和出行吸引量时间序列均按时间划分为两段分别得到参数拟合序列和模型检验序列；利用参数拟合序列建立自回归滑动平均模型；利用模型检验序列判断自回归滑动平均模型是否需要调整；若是，则利用模型检验序列对自回归滑动平均模型的参数进行调整，并将调整后的自回归滑动平均模型确定为预测模型；利用预测模型对未来时刻的出行产生量和出行吸引量进行预测，得到预测出行生成量。本发明的方法及系统能够提高出行生成量预测的便捷程度。
一种出行生成预测方法系统

[发明专利]食品安全风险等级区间预测的方法和装置-CN202110919801.8在审
发明人：文红;董曼;尹佳;陈锂;陈翔;郭鹏程;徐宁 -专利权人：湖北省食品质量安全监督检验研究院
申请日： 2021-08-11 - 公布日： 2021-12-03 - 主分类号： G06Q10/06 文献下载
摘要：本发明提供一种食品安全风险等级区间预测的方法和装置，其中方法包括：获取待预测食品的风险等级时间序列数据；对所述风险等级时间序列数据进行分解，得到多个子序列数据；对所述子序列数据进行点预测，得到对应的点预测结果；根据所述点预测结果确定所述风险等级时间序列数据对应的最终点预测结果；确定所述最终点预测结果对应的预测残差值；根据所述预测残差值进行区间预测，确定区间预测结果。本发明通过在点预测的基础上增加区间预测的方式，实现提供更多预测信息和对未来食品风险不确定性的量化预测的效果。
食品安全风险等级区间预测方法装置

[发明专利]一种基于时间序列的数据挖掘方法及系统-CN201610570732.3在审
发明人：钟毅;邱雪涛;赵金涛 -专利权人：中国银联股份有限公司
申请日： 2016-07-19 - 公布日： 2016-12-07 - 主分类号： G06F17/30 文献下载
摘要：本发明公开一种基于时间序列的数据挖掘方法及系统，该方法包括：获取设定时间段内的原始事件记录，并根据所述原始事件记录确定一个基础事件类型和M个关联事件类型；生成与所述基础事件类型对应的第一历史时间序列和M个第二历史时间序列；计算所述第一历史时间序列的低频时间序列与每个第二历史时间序列的低频时间序列的关联系数；确定所述关联系数大于第一阈值的K个第二历史时间序列的低频时间序列，并根据所述K个第二历史时间序列的低频时间序列和所述第一历史时间序列的低频时间序列建立预测模型，并根据所述预测模型得到所述基础事件类型的预测值，其中M为正整数，K为不大于M的整数，用以解决现有技术中存在预测结果不够准确的问题。
一种基于时间序列数据挖掘方法系统

[发明专利]用户行为预测方法、系统和计算机设备-CN202110762494.7在审
发明人：姜润洲;丁楠;苏绥绥 -专利权人：北京淇瑀信息科技有限公司
申请日： 2021-07-06 - 公布日： 2021-10-29 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种基于时间序列特征的用户行为预测方法、系统和计算机设备。该方法包括：获取待预测用户的时间序列特征数据，所述时间序列特征数据是在资源归还时间内的多个时间点对应的用户特征数据；根据所述时间序列特征数据，生成所述待预测用户的时间序列特征评估数据，该时间序列特征评估数据用于表征所述用户特征数据按照时间序列的变化情况；基于预先训练好的机器学习模型，根据所述时间序列特征评估数据，得到所述待预测用户的用户行为发生概率的预测值。本发明能够更有效地利用用户特征数据；使用包含了时间因素引起的特征变化信息的特征评估数据作为模型输入特征数据，能够为模型计算提供更精确的输入特征数据，能够更精确计算出用户行为发生概率。
用户行为预测方法系统计算机设备

[发明专利]基于EOF-SSA-SVM时空模型的地表沉降预测方法-CN202210441286.1在审
发明人：汪优;贾茹雪;赵晓薇;陈宝光;王振宇;肖颜;王瑞;王紫薇;梁绍华;代芳 -专利权人：中南大学;长沙垚森工程科技有限公司
申请日： 2022-04-25 - 公布日： 2022-08-30 - 主分类号： G06F30/27 文献下载
摘要：本发明提供一种基于EOF‑SSA‑SVM时空模型的地表沉降预测方法：将各监测点的地表沉降时间序列构成沉降时空矩阵；利用经验正交函数将沉降时空矩阵分解为空间模态和历史时间序列，并筛选出地表沉降的主要沉降特征；将筛选后的历史时间序列分为训练集和测试集；结合训练集数据，采用麻雀搜索算法对支持向量机预测模型的惩罚参数和核函数参数进行优化，获得优化后的支持向量机预测模型；优化后的支持向量机预测模型根据测试集数据进行预测，获得预测时间序列；运用经验正交函数将筛选后的空间模态和预测时间序列进行重构和反算，获得最终的地表沉降预测结果。本发明充分考虑时间和空间序列之间的联系，预测结果具有较高的准确性和可靠性。
基于 eof ssa svm 时空模型地表沉降预测方法

[发明专利]飞灰浓度预测模型的训练方法、装置、计算机设备-CN202110685255.6有效
发明人：何英杰;王川;王凯;王彬 -专利权人：深圳开云智能有限公司
申请日： 2021-06-21 - 公布日： 2023-05-16 - 主分类号： G16C20/30 文献下载
摘要：本申请涉及飞灰浓度预测模型的训练方法、装置、计算机设备。所述方法包括：获取训练样本数据；将历史飞灰浓度时间序列输入时间序列处理层，得到飞灰浓度处理结果，以及，将关键特征数据输入特征数据处理层，得到关键特征处理结果：将飞灰浓度处理结果和关键特征处理结果输入融合层，得到数据融合结果；将数据融合结果输入输出层，得到预测飞灰浓度时间序列；输出层包括根据飞灰浓度预测模型的输出目标所配置的预测头；基于预测飞灰浓度时间序列和标签飞灰浓度时间序列，对时间序列处理层、特征数据处理层、融合层、输出层进行训练，得到训练后飞灰浓度预测模型。采用本方法能够有效预测飞灰浓度，优化了飞灰浓度预测模型，提升了预测的准确度。
浓度预测模型训练方法装置计算机设备

[发明专利]更新预测模型的方法和装置-CN201410156471.1在审
发明人：韩四儿;钟伟才;焦龙;陈栋;张婧 -专利权人：国际商业机器公司
申请日： 2014-04-18 - 公布日： 2015-11-25 - 主分类号： G06F19/00 文献下载
摘要：具体地，提供了一种用于更新预测模型的方法，该预测模型是用于时间序列数据的预测模型，包括：从与预测模型相关联的多个预测时间窗口中按顺序选择当前预测时间窗口h；基于预测模型，预测时间序列数据在当前预测时间窗口h内的各个时间点k的预测值；基于时间序列数据在当前预测时间窗口h内的各个时间点k的实际测量值y_k和预测值，计算与当前预测时间窗口h相关联的预测误差MAPE；以及响应于预测误差MAPE大于或等于与当前预测时间窗口h相关联的预定误差阈值，提供更新预测模型的通知。采用本发明的技术方案，可以在预测模型不能正确反映时间序列数据的变化时提供通知，还可以提供用于生成新的预测模型时所基于的历史数据的范围。
更新预测模型方法装置