【技术实现步骤摘要】
本专利技术涉及时间序列预测，具体涉及一种基于分解的多元时间序列预测方法。
技术介绍
1、时间序列预测是指根据变量过去的观测值预测其未来的值，在现实世界中有着广泛的应用，比如电量预测、天气预测、交通预测等。现有的研究方法主要包括：传统的时间序列预测方法，如滑动平均法以及指数平滑法等；以及基于深度学习的时间序列预测方法：如rnn模型、cnn模型以及transformer模型等。
2、例如，申请号为cn202311072943.0公开了一种基于图神经网络和transformer的多元时间序列预测方法，通过将transformer自动编码器模块和图形卷积模块与时间卷积模块结合在一起，该模型能够捕获数据中的时间和空间依赖性，从而促进对输入数据的更全面的表示，用于能够在提取数据短期和长期依赖的同时更能提取数据的时间和空间信息，但是存在数据依赖性强，拟合矫枉过正的缺陷。
3、现有技术存在以下不足：在上述方法中，传统的时间序列预测方法处理过于简单直接，无法提取时间序列中的全部信息；rnn模型由于其网络结果的自回归性，无法很好的处...
【技术保护点】
1.一种基于分解的多元时间序列预测方法，其特征在于，包括步骤如下：
2.根据权利要求1所述的一种基于分解的多元时间序列预测方法，其特征在于，所述趋势时间序列的获取逻辑如下：
3.根据权利要求2所述的一种基于分解的多元时间序列预测方法，其特征在于，所述第一时间序列的获取逻辑如下：
4.根据权利要求3所述的一种基于分解的多元时间序列预测方法，其特征在于，所述季节时间序列的获取逻辑如下：
5.根据权利要求4所述的一种基于分解的多元时间序列预测方法，其特征在于，所述第二时间序列的获取逻辑如下：
6.根据权利要求5所述...
【技术特征摘要】
1.一种基于分解的多元时间序列预测方法，其特征在于，包括步骤如下：
2.根据权利要求1所述的一种基于分解的多元时间序列预测方法，其特征在于，所述趋势时间序列的获取逻辑如下：
3.根据权利要求2所述的一种基于分解的多元时间序列预测方法，其特征在于，所述第一时间序列的获取逻辑如下：
4.根据权利要求3所述的一种基于分解的多元时间序列预测方法，其特征在于，所述季节时间序列的获取逻辑如下：
5.根据权利要求4所述的一种基于分解的...
【专利技术属性】
技术研发人员：王啸虎，赵加坤，邹阳，金程扬，
申请(专利权)人：苏州岽睿微电子科技有限公司，
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。