一种时序数据压缩方法、装置、计算机设备、计算机可读存储介质及计算机程序产品制造方法及图纸

本申请涉及时序数据压缩技术领域，公开了一种时序数据压缩方法、装置、计算机设备、计算机可读存储介质及计算机程序产品，其方法包括获取初始时序数据，构建时序数据集；采用预设的神经网络或支持向量机预测时序数据集未来时间点的预测值；计算偏差值，构建偏差序列；基于偏差序列，构建差分序列；判断差分序列的属性；当差分序列为连续递增或连续递减属性时，采用震荡编码方式对差分序列进行编码，得到压缩数据集；存储压缩数据集及对应的神经网络或支持向量机的模型参数，得到目标压缩数据。本申请具有提高时序数据的压缩效率和准确性，实现时序数据的快速无损压缩的效果，适用于要求实时性的高动态时序数据压缩场景。

【技术实现步骤摘要】

本申请涉及时序数据压缩，尤其是涉及一种时序数据压缩方法、装置、计算机设备、计算机可读存储介质及计算机程序产品。

技术介绍

1、时序数据是在一定时间顺序下生成的数据集，常见于传感器网络、金融市场、工业生产、能源、冶金、通信等领域，通常具有高频率、大规模、不断增长、周期性以及季节性变化等特点。随着时序数据生成速度的加快和存储成本的提高，对时序数据进行高效的存储和传输变得至关重要。再者，高效且精确的时序数据压缩技术是保证实时监控系统和远程操作系统有效运行的关键。

2、传统的数据压缩方法如压缩感知、熵编码等，应用于高动态的时序数据压缩时，压缩感知虽然能有效减少数据的存储量，但它通常需要复杂的恢复算法和较高的计算成本；熵编码则依赖于数据的概率模型，对于具有复杂模式和高噪声的时序数据，其压缩效率和准确性通常不足。

3、针对上述中的相关技术，专利技术人发现现有的数据压缩方法存在有压缩效率低和准确性低，不适用于高动态时序数据压缩的问题。

技术实现思路

1、为了提高时序数据的压缩效率，降低数据还原损耗，本文档来自技高网...

【技术保护点】

1.一种时序数据压缩方法，其特征在于，包括以下步骤，

2.根据权利要求1所述的时序数据压缩方法，其特征在于，所述对于每个时刻，采用预设的神经网络或支持向量机预测所述时序数据集中任一元素的与当前时刻对应的未来时间点的预测值的步骤包括，

3.根据权利要求2所述的时序数据压缩方法，其特征在于，所述判断所述时序数据集的时序数据类型的步骤后，还包括，

4.根据权利要求2所述的时序数据压缩方法，其特征在于，所述判断所述时序数据集的时序数据类型的步骤后，还包括，

5.根据权利要求1所述的时序数据压缩方法，其特征在于，判断所述差分序列的属性的步骤后，还包括...

【技术特征摘要】

1.一种时序数据压缩方法，其特征在于，包括以下步骤，

2.根据权利要求1所述的时序数据压缩方法，其特征在于，所述对于每个时刻，采用预设的神经网络或支持向量机预测所述时序数据集中任一元素的与当前时刻对应的未来时间点的预测值的步骤包括，

3.根据权利要求2所述的时序数据压缩方法，其特征在于，所述判断所述时序数据集的时序数据类型的步骤后，还包括，

4.根据权利要求2所述的时序数据压缩方法，其特征在于，所述判断所述时序数据集的时序数据类型的步骤后，还包括，

5.根据权利要求1所述的时序数据压缩方法，其特征在于，判断所述差分序列的属性的步骤后，还包括，

...

【专利技术属性】
技术研发人员：郭为民，丁瑞锋，杭庆博，李冰，崔硕，李炳楠，付高见，窦晨丹，张明超，高晟洋，胥晓山，
申请(专利权)人：润电能源科学技术有限公司，
类型：发明
国别省市：