【技术实现步骤摘要】
本专利技术属于数据预测领域，具体地涉及一种多尺度的能源长时数据预测的方法及装置。
技术介绍
1、多种传感器被应用于各个不同的领域，例如：用电量监测、交通流量监测、古建筑监测等。这样的监测都是为了能够更好的获取并分析其情况来做出战略性的调整，然而仅有的监测技术难以预知未来的数据情况，无法准确的做出有意义的决策。深度学习的时间序列预测技术能够对数据进行学习并预测出未来数据，因此结合时间序列预测技术就能将监测发挥出更大的作用。
2、在深度学习领域，各类时间序列预测方法的应用已比较成熟，主要例子有：
3、1、对于天气预测采用wavenet网络建模和预测序列数据，通过输入序列和相应的目标序列配对，可使模型进行监督式训练并利用生成模型进行推测。但因为wavenet模型使用深层卷积结构，模型的训练和推理过程非常耗时，且对于长期预测任务，wavenet模型容易收到雷击误差的影响，影响预测结果的准确性和稳定性。
4、2、对于股票预测采用vae模型生成预测样本并进行序列填充，采用变分推断的方法，通过最大化观测数据的似然性...
【技术保护点】
1.一种多尺度的能源长时预测的方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种多尺度的能源长时预测的方法，其特征在于：
3.根据权利要求2所述的一种多尺度的能源长时预测的方法，其特征在于：
4.根据权利要求1所述的一种多尺度的能源长时预测的方法，其特征在于：
5.根据权利要求1所述的一种多尺度的能源长时预测的方法，其特征在于：
6.根据权利要求5所述的一种多尺度的能源长时预测的方法，其特征在于：
7.根据权利要求1所述的一种多尺度的能源长时预测的方法，其特征在于：
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。