时间序列的预测方法、装置、设备和介质制造方法及图纸

本申请实施例提供了一种时间序列的预测方法、装置、设备和介质，其中的方法具体包括：对历史时间序列数据进行分解，以得到历史时间序列数据对应的k个分量；确定历史时间序列数据对应的第i个分量在第j种神经网络下的误差评估指数；从M种神经网络中选择误差评估指数最小的神经网络作为第i个分量对应的目标神经网络；根据历史时间序列数据中第i个分量的数据，对目标神经网络的超参数进行优化处理；利用训练完成后的目标神经网络，确定待预测时间序列数据的k个分量分别对应的分量预测结果；对k个分量分别对应的分量预测结果进行重构，以得到待预测时间序列数据对应的预测结果。本申请实施例能够提高时间序列预测的准确性和可靠性。

【技术实现步骤摘要】

本申请实施例涉及计算机，特别是涉及一种时间序列的预测方法、装置、设备和介质。

技术介绍

1、随着计算机技术的不断发展，时间序列预测技术应运而生，它能够推测未来事物的发展趋势，为用户的工作与生活带来极大便利。时间序列预测技术以与时间顺序紧密相关联的有序观测数据集为基础，借助随机过程理论和数理统计学方法，深入研究该数据集所遵循的统计规律，进而推测数据的发展趋势，为解决实际问题提供有力指导。目前，时间序列预测分析技术已在股票市场预测、城市交通管理、设备故障预警、发电功率预测等诸多
得到广泛应用。

2、在相关技术中，通常会运用神经网络技术来进行时间序列的预测。其对应的预测过程具体涵盖以下几个方面：首先，对历史时间序列数据进行收集与整理。接着，选择一种神经网络架构，构建预测模型，常见的神经网络架构包括：rnn(循环神经网络，recurrentneural network)、lstm(长短期记忆网络，long short-term memory)以及gru(门控循环单元，gated recurrent unit)等。然后，借助历史时间序列数据，对预测本文档来自技高网...

【技术保护点】

1.一种时间序列的预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据历史时间序列数据中第i个分量的数据，对目标神经网络的超参数进行优化处理，包括：

3.根据权利要求1所述的方法，其特征在于，所述对历史时间序列数据进行分解，包括：

4.根据权利要求1所述的方法，其特征在于，所述对历史时间序列数据进行分解，包括：

5.根据权利要求1所述的方法，其特征在于，所述确定历史时间序列数据对应的第i个分量在第j种神经网络下的误差评估指数，包括：

6.根据权利要求1所述的方法，其特征在于，所述对k个分量分别...

【技术特征摘要】

1.一种时间序列的预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据历史时间序列数据中第i个分量的数据，对目标神经网络的超参数进行优化处理，包括：

3.根据权利要求1所述的方法，其特征在于，所述对历史时间序列数据进行分解，包括：

4.根据权利要求1所述的方法，其特征在于，所述对历史时间序列数据进行分解，包括：

5.根据权利要求1所述的方法，其特征在于，所述确定历史时间序列数据对应的第i个分量在第j种神经网络下的误差评估指数，...

【专利技术属性】
技术研发人员：潘志雅，张云龙，阮宜龙，
申请(专利权)人：中电信人工智能科技北京有限公司，
类型：发明
国别省市：