【技术实现步骤摘要】
本专利技术属于时间序列预测，具体说是一种基于频域的多尺度双分支长时间序列预测方法。
技术介绍
1、时间序列预测是一项长期存在且至关重要的任务，其核心在于通过分析历史观测数据提取有用的模式，用于预测未来的事件和趋势。准确的时间序列预测能够在多个领域为组织和个人提供重要的前瞻性信息，从而支持更有效的决策。尤其是长时间序列预测，它能够揭示长时间段内的数据变化趋势，具有广泛的应用前景。例如，在金融市场中，长时间序列预测可以帮助投资者识别长期趋势，进而优化投资策略；在气象学中，准确的长期天气预测可以为农业生产和防灾减灾提供宝贵的支持；在能源管理中，预测未来的能源需求可以帮助电力公司优化电网运营和资源分配。因此，精确的预测结果对于决策支持系统尤为关键。
2、提取历史时间序列中隐含的信息相当复杂，现有的方法主要侧重于提取时域特征。由于时间序列的复杂依赖特性以及时域中信息的稀疏表示，传统方法常采用如多头自注意力这样的复杂网络结构和模块来捕获和利用这些信息。这些方法往往涉及大量的参数和计算，导致训练和推理时间较长。相对地。在频率域中，时间序列...
【技术保护点】
1.基于频域的多尺度双分支长时间序列预测方法，其特征在于，执行如下步骤构建并优化频域预测模型，使其用于对历史长时的观测序列数据进行预测，方法包括：
2.根据权利要求1所述的基于频域的多尺度双分支长时间序列预测方法，其特征在于，所述时间序列数据为关于同一工业过程的多个属性变量的长时间序列数据。
3.根据权利要求1所述的基于频域的多尺度双分支长时间序列预测方法，其特征在于，所述数据归一化是采用z标准化方法，处理后的数据分布为标准正态分布。
4.根据权利要求1所述的基于频域的多尺度双分支长时间序列预测方法，其特征在于，所述尺度不等为设置时...
【技术特征摘要】
1.基于频域的多尺度双分支长时间序列预测方法，其特征在于，执行如下步骤构建并优化频域预测模型，使其用于对历史长时的观测序列数据进行预测，方法包括：
2.根据权利要求1所述的基于频域的多尺度双分支长时间序列预测方法，其特征在于，所述时间序列数据为关于同一工业过程的多个属性变量的长时间序列数据。
3.根据权利要求1所述的基于频域的多尺度双分支长时间序列预测方法，其特征在于，所述数据归一化是采用z标准化方法，处理后的数据分布为标准正态分布。
4.根据权利要求1所述的基于频域的多尺度双分支长时间序列预测方法，其特征在于，所述尺度不等为设置时间尺度集合d＝{d1,d2,…,di,…,dm}，其中每个时间尺度对应不同长度的时间片段。
5.根据权利要求1所述的基于频域的多尺度双分支长时间序列预测方法，其特征在于，所述频域变换为对每个时间片段采用快速傅里叶变换fft。
6.根据权利要求1所述的基于频域的多...
【专利技术属性】
技术研发人员：周晓锋，张亚浩，李帅，张宜弛，潘福成，史海波，
申请(专利权)人：中国科学院沈阳自动化研究所，
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。