【技术实现步骤摘要】
本专利技术涉及时间预测，具体为一种流程工业多元时间序列预测任务的预训练方法。
技术介绍
1、预训练方法是通过在大量未标记的数据上进行训练，使模型能够提取出数据的抽象特征和关键信息，从而在后续的任务中表现更好的方法。
2、现有技术中，专利公开号为cn115688871a的专利1提出了一种基于掩码重构的多元时间序列预训练方法，这种方法对输入时间序列数据中的片段进行掩码处理，然后利用编解码器架构对剩余的信息进行重构；预训练过程的目标是最小化原始序列和重构序列之间的平均绝对误差；通过这种方式，模型被迫学习输入序列中的周期信息和趋势，为后续预测任务提供更好的数据表示。
3、现有技术中，专利公开号为cn111950810a的专利2提出了一种基于自演化的预训练方法，主要是将n个单变量时间序列引入预训练模型，通过基于差分特征构造的方式，建立线性自回归模型；在模型构建过程中，多阶差分信息被显式地整合到预训练模型中，使其能够自动学习时间序列数据的趋势特征和相关性；这增强了数据的表征能力，从而进一步提升了预测模型的性能。
...
【技术保护点】
1.一种流程工业多元时间序列预测任务的预训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的流程工业多元时间序列预测任务的预训练方法，其特征在于：在所述步骤S1中，采集到的化工过程数据为离散的多变量时间数据序列，为了将数据整理为模型能接受的输入数据，需要对数据进行采样对齐、标准化预处理。
3.根据权利要求2所述的流程工业多元时间序列预测任务的预训练方法，其特征在于：所述采样对齐指由于不同传感器以不同的频率记录数据，为了保证其具有相同的时间间隔和序列长度，需要时间序列数据进行插值操作。
4.根据权利要求3所述的流程工业多元时...
【技术特征摘要】
1.一种流程工业多元时间序列预测任务的预训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的流程工业多元时间序列预测任务的预训练方法，其特征在于：在所述步骤s1中，采集到的化工过程数据为离散的多变量时间数据序列，为了将数据整理为模型能接受的输入数据，需要对数据进行采样对齐、标准化预处理。
3.根据权利要求2所述的流程工业多元时间序列预测任务的预训练方法，其特征在于：所述采样对齐指由于不同传感器以不同的频率记录数据，为了保证其具有相同的时间间隔和序列长度，需要时间序列数据进行插值操作。
4.根据权利要求3所述的流程工业多元时间序列预测任务的预训练方法，其特征在于：所述插值操作为一阶样条插值，通过对已知数据点进行线性插值，生成新的数据点，从而填补时间序列之间的缺失值，使得所有变量的时间序列具有相同的采样间隔和序列长度；在采样完成后，时间序列可以被表示为[x1,x2,...,xt,...,xt]，其中t代表时间序列的长度，定义为采样数据中的每个离散时间点为一时间步，xt表示第t个时间步的输入样本，各时间步的输入样本均包含n个变量...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。