[发明专利]基于CNN的时间序列预测方法和模型确定方法有效
| 申请号： | 201910460741.0 | 申请日： | 2019-05-30 |
| 公开（公告）号： | CN110232437B | 公开（公告）日： | 2021-11-16 |
| 发明（设计）人： | 李肯立;王康;陈岑;李克勤;段明星;刘楚波;阳王东 | 申请（专利权）人： | 湖南大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04 |
| 代理公司： | 广州华进联合专利商标代理有限公司 44224 | 代理人： | 黄晶晶;黄晓庆 |
| 地址： | 410013 湖*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请涉及一种基于CNN的时间序列预测方法和模型确定方法。所述预测方法包括：获取历史时间序列数据，根据历史时间序列数据的周期特性，确定周期参数，周期参数包括周期类型及其对应的周期时长；基于预测时间点、历史时间序列数据、周期参数以及预设循环跨度，确定预测时间点在历史时间序列数据中对应的分量数据，分量数据包括最接近时间段数据和周期数据；采用确定好的CNN模型对分量数据进行预测，得到预测时间点对应的预测结果。采用本方法能够高效准确地预测出之后的时间序列信息。 | ||
| 搜索关键词： | 基于 cnn 时间 序列 预测 方法 模型 确定 | ||
【主权项】：
1.一种基于CNN的时间序列预测方法，所述方法包括：获取历史时间序列数据，根据所述历史时间序列数据的周期特性，确定周期参数，所述周期参数包括周期类型及其对应的周期时长；基于预测时间点、所述历史时间序列数据、所述周期参数以及预设循环跨度，确定所述预测时间点在所述历史时间序列数据中对应的分量数据，所述分量数据包括最接近时间段数据和周期数据；采用确定好的CNN模型对所述分量数据进行预测，得到所述预测时间点对应的预测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于湖南大学，未经湖南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910460741.0/，转载请声明来源钻瓜专利网。
