一种时间序列生成方法、装置、设备和存储介质制造方法及图纸

本发明专利技术公开了一种时间序列生成方法、装置、设备和存储介质。该方法包括：获取原始噪声数据和原始噪声数据对应的真实数据的至少一个趋势信息；将原始噪声数据和至少一个趋势信息输入生成对抗网络模型，得到目标合成时间序列，其中，生成对抗网络模型包括生成器和鉴别器，生成对抗网络模型通过目标样本集迭代训练生成器和鉴别器得到，目标样本集包括：噪声数据样本、噪声数据样本对应的真实数据的至少一个趋势信息、噪声数据样本对应的真实时间序列样本以及噪声数据样本对应的分类标识。通过本发明专利技术的技术方案，能够解决长时时间序列的生成问题，克服了现有的方法中模型无法获取时间序列的时间模式以及训练过程中会出现梯度爆炸的问题。的问题。的问题。

【技术实现步骤摘要】
一种时间序列生成方法、装置、设备和存储介质


[0001]本专利技术实施例涉及人工智能
，尤其涉及一种时间序列生成方法、装置、设备和存储介质。

技术介绍

[0002]时间序列是一种十分普遍和常见的数据类型，在各个领域都有实际的应用价值。但是，时间序列数据的采集和获取往往并不容易，例如，在ICU中病危病人的心电图，这类数据往往样本很少，在数据获取上具有很大的困难。在大数据时代，大量的数据有助于计算机帮助我们进行特定问题的分析，针对这些难以获取的时间序列数据，使用深度学习的方法进行生成是一种可行且有效的手段。时间序列数据往往具有不同的长度和周期，对于某些时间序列数据，需要较长的长度才能反映出这些数据的特征和时间模式，对这些长时的时间序列进行生成往往是复杂的，因为这不仅需要计算机具有很大的内存和很高的算力，还需要避免所使用的生成模型出现数值问题和梯度问题。除此之外，采用对数据进行降采样之后再生成的方式往往也是不现实的，因为当降采样的倍率太大时，很难通过上采样还原出具有真实数据的特征的生成数据。

技术实现思路

[0003]本专利技术实施例提供一种时间序列生成方法、装置、设备和存储介质，以实现能够解决长时时间序列的生成问题，克服了现有的方法中模型无法获取时间序列的时间模式以及训练过程中会出现梯度爆炸的问题。
[0004]根据本专利技术的一方面，提供了一种时间序列生成方法，包括：
[0005]获取原始噪声数据和所述原始噪声数据对应的真实数据的至少一个趋势信息；
[0006]将所述原始噪声数据和至少一个所述趋势信息输入生成对抗网络模型，得到目标合成时间序列，其中，所述生成对抗网络模型包括生成器和鉴别器，所述生成对抗网络模型通过目标样本集迭代训练所述生成器和所述鉴别器得到，所述目标样本集包括：噪声数据样本、所述噪声数据样本对应的真实数据的至少一个趋势信息、所述噪声数据样本对应的真实时间序列样本以及所述噪声数据样本对应的分类标识。
[0007]根据本专利技术的另一方面，提供了一种时间序列生成装置，该装置包括：
[0008]获取模块，用于获取原始噪声数据和所述原始噪声数据对应的真实数据的至少一个趋势信息；
[0009]输入模块，用于将所述原始噪声数据和至少一个所述趋势信息输入生成对抗网络模型，得到目标合成时间序列，其中，所述生成对抗网络模型包括生成器和鉴别器，所述生成对抗网络模型通过目标样本集迭代训练所述生成器和所述鉴别器得到，所述目标样本集包括：噪声数据样本、所述噪声数据样本对应的真实数据的至少一个趋势信息、所述噪声数据样本对应的真实时间序列样本以及所述噪声数据样本对应的分类标识。
[0010]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0011]至少一个处理器；以及
[0012]与所述至少一个处理器通信连接的存储器；其中，
[0013]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的时间序列生成方法。
[0014]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的时间序列生成方法。
[0015]本专利技术实施例通过获取原始噪声数据和原始噪声数据对应的真实数据的至少一个趋势信息，将原始噪声数据和至少一个趋势信息输入生成对抗网络模型，得到目标合成时间序列，其中，生成对抗网络模型包括生成器和鉴别器，生成对抗网络模型通过目标样本集迭代训练生成器和鉴别器得到，目标样本集包括：噪声数据样本、噪声数据样本对应的真实数据的至少一个趋势信息、噪声数据样本对应的真实时间序列样本以及噪声数据样本对应的分类标识。通过本专利技术的技术方案，能够解决长时时间序列的生成问题，克服了现有的方法中模型无法获取时间序列的时间模式以及训练过程中会出现梯度爆炸的问题。
[0016]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0017]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0018]图1是本专利技术实施例中的一种时间序列生成方法的流程图；
[0019]图2是本专利技术实施例中的一种时间序列生成装置的结构示意图；
[0020]图3是实现本专利技术实施例的时间序列生成方法的电子设备的结构示意图。
具体实施方式
[0021]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0022]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品
或设备固有的其它步骤或单元。
[0023]实施例一
[0024]图1是本专利技术实施例中的一种时间序列生成方法的流程图，本实施例可适用于时间序列生成的情况，该方法可以由本专利技术实施例中的时间序列生成装置来执行，该装置可采用软件和/或硬件的方式实现，如图1所示，该方法具体包括如下步骤：
[0025]S101、获取原始噪声数据和原始噪声数据对应的真实数据的至少一个趋势信息。
[0026]其中，原始噪声数据可以是采集到的任意噪声数据。在一个具体实施例中，原始噪声数据例如可以是采集到的包含人的鼾声数据，例如包括一个房间内至少一个打呼人的鼾声数据、房间内其他不打呼人的呼吸声数据、房内钟表等家具器件发出的声音数据、房外的外界环境中的人物动物或者车辆等发出的声音数据等。
[0027]其中，真实数据例如可以是在原始噪声数据中包含的用户想要得到的数据。在一个具体实施例中，真实数据例如可以是至少一个打呼人的鼾声数据。
[0028]需要说明的是，趋势信息可以是真实数据的周期走势等信息。
[0029]具体的，采集原始噪声数据以及原始噪声数据中包含的至少一个真实数据，获取每个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种时间序列生成方法，其特征在于，包括：获取原始噪声数据和所述原始噪声数据对应的真实数据的至少一个趋势信息；将所述原始噪声数据和至少一个所述趋势信息输入生成对抗网络模型，得到目标合成时间序列，其中，所述生成对抗网络模型包括生成器和鉴别器，所述生成对抗网络模型通过目标样本集迭代训练所述生成器和所述鉴别器得到，所述目标样本集包括：噪声数据样本、所述噪声数据样本对应的真实数据的至少一个趋势信息、所述噪声数据样本对应的真实时间序列样本以及所述噪声数据样本对应的分类标识。2.根据权利要求1所述的方法，其特征在于，将所述原始噪声数据和至少一个所述趋势信息输入生成对抗网络模型，得到目标合成时间序列，包括：在所述生成器中对所述原始噪声数据和至少一个所述趋势信息进行序列分解，得到目标趋势信息和目标季节信息；将所述目标趋势信息和所述目标季节信息进行融合，得到初始合成时间序列；将初始合成时间序列输入所述鉴别器，得到目标合成时间序列。3.根据权利要求1所述的方法，其特征在于，通过目标样本集迭代训练生成器和鉴别器，包括：建立生成器和鉴别器；将所述目标样本集中的噪声数据样本和所述噪声数据样本对应的真实数据的至少一个趋势信息输入所述生成器中，得到所述噪声数据样本对应的合成时间序列样本；获取所述噪声数据样本对应的真实时间序列样本；将所述合成时间序列样本和所述真实时间序列样本分别输入所述鉴别器，得到预测鉴别结果；根据所述预测鉴别结果和所述噪声数据样本对应的分类标识形成的目标函数训练所述生成器和所述鉴别器的参数；返回执行将所述目标样本集中的噪声数据样本和所述噪声数据样本对应的真实数据的至少一个趋势信息输入所述生成器中，得到所述噪声数据样本对应的合成时间序列样本的操作，直至得到生成对抗网络模型。4.根据权利要求3所述的方法，其特征在于，若所述预测鉴别结果为预设结果，则得到生成对抗网络模型。5.根据权利要求1所述的方法，其特征在于，获取原始噪声数据和所述原始噪声数据对应的真实数据的至少一个趋势信息，包括：获取原始噪声数据和所述原始噪声数据对应的真实数据；基于至少一个预设窗口按照预设步长对所述原始噪声数据对应的真实数据进行滑动平均提取，得到所述原始噪声数据对应的真实数据的至少一个趋势信息。6.一种时间序列生成装置，其特征在于，包括：获取模块，用于获取原始噪声数据和所述原始噪声数据对应的真实数...

【专利技术属性】
技术研发人员：王炳坤，
申请(专利权)人：慕思健康睡眠股份有限公司，
类型：发明
国别省市：