本发明专利技术公开了一种缓解累积误差的偏置误差模块及其应用方法，涉及多步时间序列数据预测领域，具体包括门控单元，其数量设置有三个，所述门控单元用于对输入数据进行门控；时间维度上的一维卷积单元，所述时间维度上的一维卷积单元用于在时间维度上对数据进行卷积操作；以及全连接层，所述全连接层用于将卷积操作后的数据进行全连接变换。本发明专利技术的偏置误差模块通过在某化工厂提供的精馏工段工业数据集上的验证，在执行使用历史60步的时间序列数据预测未来20步的迭代多步预测任务时，本发明专利技术的方法将多步预测的均方根误差降低了约40％。
【技术实现步骤摘要】
本专利技术涉及多步时间序列数据预测领域，具体为一种缓解累积误差的偏置误差模块及其应用方法。
技术介绍
1、多步时间序列数据预测是指利用相关的预测模型，基于历史观察数据来预测多步连续的未来值。迭代策略将上一步的预测值作为模型下一步预测的输入，由于使用预测值作为输入，预测误差会随着迭代次数的增加而累积。一些应用只能使用迭代预测策略，比如工业控制系统模拟，金融数据预测等有外生输入的任务。
2、现有技术中，专利公开号为cn115936248a的专利提出了一种融合多级注意力和双向lstm神经网络的迭代时间序列预测模型，其通过注意力机制在迭代预测过程中自适应的调整输入序列的权重，捕捉序列中不同部分的重要性，这减少了迭代多步预测中误差的累积。但是，该专利提出的多级注意力和双向lstm神经网络大幅增加了模型的复杂性，导致计算量增加；同时，该方法的可解释性相对较差，无法清晰阐明通过注意力机制减少累积误差的依据。
3、此外，现有方法缺乏足够的通用性，这些方法难以适用于其他不同类型的迭代预测模型和任务。因此，亟需对其进行改进。
...
【技术保护点】
1.一种缓解累积误差的偏置误差模块，其特征在于，包括：
2.一种采用根据权利要求1所述的缓解累积误差的偏置误差模块的应用方法，其特征在于：包括以下步骤：
3.根据权利要求2所述的缓解累积误差的偏置误差模块的应用方法，其特征在于：在所述步骤S1中，基础模型为任何时间序列单步预测任务的模型。
4.根据权利要求2所述的缓解累积误差的偏置误差模块的应用方法，其特征在于：在所述步骤S3中，x是一常数，向量或多维张量。
5.根据权利要求2所述的缓解累积误差的偏置误差模块的应用方法，其特征在于：在所述步骤S4中，迭代步数t的迭代步数编码Pt由以下公式给出...
【技术特征摘要】
1.一种缓解累积误差的偏置误差模块，其特征在于，包括：
2.一种采用根据权利要求1所述的缓解累积误差的偏置误差模块的应用方法，其特征在于：包括以下步骤：
3.根据权利要求2所述的缓解累积误差的偏置误差模块的应用方法，其特征在于：在所述步骤s1中，基础模型为任何时间序列单步预测任务的模型。
4.根据权利要求2所述的缓解累积误差的偏置误差模块的应用方法，其特征在于：在所述步骤s3中，x是一常数，向量或多维张量。
5.根据权利要求2所述的缓解累积误差的偏置误差模块的应用方法，其特征在于：在所述步骤s4中，迭代步数t的迭代步数编码pt由以下公式给出：
6.根据权利要求2所述的缓解累积误差的偏置误差模块的应用方法，其特征在于：在所述步骤s6中，在第一...
【专利技术属性】
技术研发人员：王宇龙，王恺，
申请(专利权)人：南开大学，
类型：发明
国别省市：
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。