时间序列预测方法、装置、设备以及介质制造方法及图纸

本申请涉及人工智能领域，提供了一种时间序列预测方法、装置、设备以及介质，该方法通过预构建第一编码器从时间序列数据集中的单条事件记录信息中提取局部特征向量，由每条事件记录信息的局部特征向量得到时间序列的局部特征向量集合，再将局部特征向量集合输入至预构建的第二编码器，由第二编码器根据局部特征向量集合生成全局特征向量，融合局部特征向量和全局特征向量之后即可进行时间序列预测，最大程度地减少人工干预，自动实现单条事件记录的局部特征提取以及全局时间序列特征提取，且自动提取过程贯穿单条事件记录的处理阶段和全局时间序列的处理阶段，能够提高时间序列预测方法的执行效率以及预测精度。

【技术实现步骤摘要】

本申请涉及人工智能领域，尤其涉及一种时间序列预测方法、装置、设备以及介质。

技术介绍

1、在时间序列预测中，涉及从多个数据表的高维事件记录中提取局部特征以及时间序列的全局特征，例如，在医疗大数据领域中围绕病人将相关的多个医疗信息数据表连接起来产生稀疏多维数据，从该稀疏多维数据提取局部特征以及全局特征，基于提取特征进行时间序列预测，即预测病人在未来时刻的事件发生概率。

2、然而，现有的数据特征提取方法仍需要领域专业人员参与数据分析，人工处理效率较低，且由人工确定单条记录中哪些中间特征对结果有影响，也容易丢失与最终目标导向先关的隐含特征，导致预测精度变差。同时，现有的时间序列预测方法中不能同时提取单条事件记录的局部特征和多条记录构成的时间序列全局特征，进一步降低了预测方法的执行效率。

技术实现思路

1、本申请实施例的主要目的在于提出一种时间序列预测方法、装置、设备以及介质，能够自动同时提取局部特征以及时间序列全局特征，提高时间序列预测方法的执行效率以及预测精度。

2、为实现上述目的，本申请本文档来自技高网...

【技术保护点】

1.一种时间序列预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述第一编码器为变分自编码器模型中的编码器，所述第二编码器为Transformer模型中的编码器。

3.根据权利要求2所述的方法，其特征在于，所述通过预构建的第二编码器根据所述目标局部特征向量集合得到目标全局特征向量，包括：

4.根据权利要求2所述的方法，其特征在于，所述第一编码器和所述第二编码器通过以下步骤训练得到：

5.根据权利要求4所述的方法，其特征在于，所述对预构建的变分自编码器模型进行训练，得到训练后的变分自编码器模型，包括：

<...

【技术特征摘要】

1.一种时间序列预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述第一编码器为变分自编码器模型中的编码器，所述第二编码器为transformer模型中的编码器。

3.根据权利要求2所述的方法，其特征在于，所述通过预构建的第二编码器根据所述目标局部特征向量集合得到目标全局特征向量，包括：

4.根据权利要求2所述的方法，其特征在于，所述第一编码器和所述第二编码器通过以下步骤训练得到：

5.根据权利要求4所述的方法，其特征在于，所述对预构建的变分自编码器模型进行训练，得到训练后的变分自编码器模型，包括：

6.根据权利要求4所述的方法，其特征在于，所述对所述全局特征提取模型进行训练，得到训练好的所述第一编码器和所述第二编码器，包...

【专利技术属性】
技术研发人员：蒋冬梅，李斐，王耀威，陈益强，谷洋，
申请(专利权)人：鹏城实验室，
类型：发明
国别省市：