【技术实现步骤摘要】
本专利技术涉及时序序列预测，具体涉及一种基于向量自回归和卷积的时序序列预测方法。
技术介绍
1、时序序列预测在众多领域中具有重要的背景意义。通过对历史数据的分析和学习，时序序列预测可以帮助预测未来一段时间内的趋势和模式，为决策提供有力支持。在金融领域，它可用于股市走势预测；在气象学中，可用于天气预报；在工业生产中，可用于设备故障预测。时序序列预测不仅提高了数据分析的准确性，还有助于资源合理调配和风险管理。随着人工智能和机器学习的发展，时序序列预测成为实现智能决策和优化资源利用的关键工具。在不断涌现的大数据时代，充分利用时序序列预测的技术将推动各行业迎接未来挑战，实现更高效、智能的运营和决策。
2、为此，中国专利（202011623757.8）提供了一种基于时间序列的预测方法及装置。该专利通过将待预测的时间序列按照预设的多种时长格式处理为多个不同时长的序列，然后将这些序列输入到预测模型中，该预测模型是使用标记有时间序列和结果的训练集，经过训练能够提取多种时长格式的时间序列特征的预设神经网络模型得到的。预测模型能够提取到不同时间...
【技术保护点】
1.一种基于向量自回归和卷积的时序序列预测方法,其特征在于：具体包括以下步骤：
2.根据权利要求1所述的一种基于向量自回归和卷积的时序序列预测方法，其特征在于，步骤一中数据预处理执行的具体步骤如下：
3.根据权利要求1所述的一种基于向量自回归和卷积的时序序列预测方法，其特征在于，步骤一中所述时序序列原始数据为所有同一统计指标的数值按其发生的时间先后顺序排列而形成的数列。
4.根据权利要求1所述的一种基于向量自回归和卷积的时序序列预测方法，其特征在于，步骤二中向量自回归映射执行的具体步骤如下：
5.根据权利要求1所述的一种...
【技术特征摘要】
1.一种基于向量自回归和卷积的时序序列预测方法,其特征在于：具体包括以下步骤：
2.根据权利要求1所述的一种基于向量自回归和卷积的时序序列预测方法，其特征在于，步骤一中数据预处理执行的具体步骤如下：
3.根据权利要求1所述的一种基于向量自回归和卷积的时序序列预测方法，其特征在于，步骤一中所述时序序列原始数据为所有同一统计指标的数值按其发生的时间先后顺序排列而形成的数列。
4.根据权利要...
【专利技术属性】
技术研发人员：郭帅，许震，李守会，李守君，李瑞娟，郭培喜，
申请(专利权)人：山东科技大学，
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。