一种基于因果关系的时间序列预测系统技术方案

本发明专利技术属于深度学习中的数据挖掘技术领域，具体为一种基于因果关系与注意力机制的多变量时间序列预测系统。本发明专利技术系统包括：适用于时间序列的因果推断模块；基于神经网络的因果‑时序注意力机制模块；基于多层感知机的解码器模块；因果推断模块从采样数据中推断出各个变量的因果图，包括用于评估所因果图质量的交叉验证对数似然得分函数以及用于搜索因果图的贪婪等价搜索算法；因果‑时序注意力机制模块提取时间序列历史数据的因果‑时序特征，并将该特征编码为一组特征向量；解码器解码因果‑时序注意力机制输出的因果‑时序特征，以得到最终的预测结果。本发明专利技术弥补现有多变量时间序列预测在因果推断方面的空缺，有效地提高时间序列预测准确性。

【技术实现步骤摘要】

本专利技术属于数据挖掘下的时间序列分析，具体涉及一种时间序列预测系统。

技术介绍

1、时间序列预测技术已经被广泛应用到金融投资、交通监测、天气预报、电力供应等领域，其结果对这些领域中的各项决策有着重要的参考价值。作为数据挖掘、大数据分析、人工智能等领域的热门研究方向，研究人员已经对该问题展开了广泛研究，并提出了大量的理论模型和预测方法。其中，基于神经网络的时间序列预测技术是该领域的研究的热点之一。然而，现有的神经网络模型在该任务上仍然存在着许多问题。例如，多数神经网络模型通常将重点放在如何对时间序列中的时序依赖关系进行建模上，而忽略了时间序列中各个变量之间的依赖关系。少数工作尝试通过图神经网络等技术将时间序列中各个变量之间的依赖关系引入到预测过程中，但是这些工作所采用的多是相关关系，而非因果关系。这种缺少因果关系的粗糙关联性常常导致深度学习模型在真实场景下无法表现出理论上的效果。因此，亟待设计一种综合因果关系的深度学习时间序列预测方法，以实现对时间序列数据的精确预测。

技术实现思路

1、本专利技术的目的是提供本文档来自技高网...

【技术保护点】

1.一种基于因果关系的时间序列预测系统，其特征在于，包括：适用于时间序列的因果推断模块为时间序列变量之间的关系建模提供依据；基于神经网络的因果-时序注意力机制模块；基于多层感知机的解码器模块；其中：

2.根据权利要求1所述的基于因果关系的时间序列预测系统，其特征在于，所述适用于时间序列的因果推断模块，通过因果推断算法，从采样数据中推断出各个变量的因果图，包括：

3.根据权利要求2所述的基于因果关系的时间序列预测系统，其特征在于，所述基于神经网络的因果-时序注意力机制模块，用于提取时间序列历史数据的因果-时序特征，并将该特征编码为一组特征向量，具体包括：

...

【技术特征摘要】

1.一种基于因果关系的时间序列预测系统，其特征在于，包括：适用于时间序列的因果推断模块为时间序列变量之间的关系建模提供依据；基于神经网络的因果-时序注意力机制模块；基于多层感知机的解码器模块；其中：

2.根据权利要求1所述的基于因果关系的时间序列预测系统，其特征在于，所述适用于时间序列的因果推断模块，通过因果推断算法，从采样数据中推断出各个变量的因果图，包括：

3.根据权利要求2所述的基于因果关系的时间序列预测系...

【专利技术属性】
技术研发人员：周水庚，刘文博，
申请(专利权)人：复旦大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人