[发明专利]一种时间序列预测方法、设备和系统

权利要求书

1.一种时间序列预测方法，其特征在于，包括：

训练获取的时间序列数据得到训练数据集；

利用所述训练数据集训练选定预测器组生成具有多样性的预测器组；

提取稀疏信号重构优化函数并求解所述具有多样性的预测器组的加权系数；

截获加权系数非零的预测器进行时间序列数据预测。

2.如权利要求1所述的预测方法，其特征在于，训练获取的时间序列数据得到训练数据集具体为：

设定所述时间序列数据为X(k)，k＝1，…，t-1，其中：t为当前时刻，嵌入维数为d，预测步长为τ；

按照预设规则进行时间序列数据训练后，得到的训练数据集为：其中：n-d是训练样本的个数，x_k＝[X(k-d+1)…X(k-1)X(k)]∈R^d，y_k＝X(k+1)∈R，R表示实数集。

3.如权利要求1所述的预测方法，其特征在于，提取稀疏信号重构优化函数并求解所述具有多样性的预测器组的加权系数具体为：

将针对所述具有多样性的预测器组的加权系数作为稀疏信号代入稀疏信号重构优化函数：

min12Σk=dn(yk-Σj=1Lajfj(xk))2+λΣj=1Laj,]]>并求解得到所述具有多样性的预测器组的加权系数a_j：

其中，λ＞0是正则参数，该优化函数的第一项表示训练误差，第二项表示容量控制。

4.如权利要求3所述的预测方法，其特征在于，所述截获加权系数非零的预测器具体为：

判断所述具有多样性的预测器组的加权系数a_j是否为零；

将加权系数为a_j＝0的若干所述若干具有多样性的预测器的输出结果舍弃，并截获加权系数为a_j≠0的具有多样性的预测器组进行逐个标识：其中：a_j，j＝1，…，L_NZ，NZ表示非零个数。