【技术实现步骤摘要】
本申请涉及时序预测，具体而言，涉及一种多变量时序预测方法、装置、设备及存储介质。
技术介绍
1、时序数据是按照时间顺序排列的观测值序列，其中蕴含着丰富的时间依赖信息和动态变化规律。通过对时序数据进行深入分析与建模，能够有效挖掘数据背后隐藏的潜在模式，进而为决策制定提供关键支持，在金融预测、工业监控、交通流量分析等众多领域发挥着至关重要的作用。
2、目前，现有的时序模型普遍采用单一数据集训练单一模型的方式，这种传统训练模式是针对特定场景或特定类型的时序数据，利用相应的单一数据集进行模型训练，得到适用于该特定数据的单一模型。然而，在现实世界中，时序数据具有复杂多样性，不同来源、不同领域的时序数据在数据特征、变化规律、数据分布等方面存在显著差异。
3、现有的这种单一数据集训练单一模型的方式，其泛化能力有限，无法有效处理不同类型、不同分布的时序数据，在面对新的、未见过的数据场景时，模型的预测准确性和稳定性会大幅下降，导致模型在实际应用中的效果不佳，无法满足实际业务中对复杂时序数据处理的需求。
本文档来自技高网...
【技术保护点】
1.一种多变量时序预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对目标业务场景下多个变量的原始时序数据进行时序拆分，得到所述多个变量的数据块序列，包括：
3.根据权利要求1所述的方法，其特征在于，所述采用预训练的通用时序预测大模型中的第一线性投影层，对所述每个变量的数据块序列中各数据块进行线性投影，得到所述每个变量对应的各投影后数据向量之前，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述采用所述时序预测层中的门控网络，对所述多个变量对应的所述各投影后数据向量进行聚类，得到多个聚类数据向...
【技术特征摘要】
1.一种多变量时序预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对目标业务场景下多个变量的原始时序数据进行时序拆分，得到所述多个变量的数据块序列，包括：
3.根据权利要求1所述的方法，其特征在于，所述采用预训练的通用时序预测大模型中的第一线性投影层，对所述每个变量的数据块序列中各数据块进行线性投影，得到所述每个变量对应的各投影后数据向量之前，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述采用所述时序预测层中的门控网络，对所述多个变量对应的所述各投影后数据向量进行聚类，得到多个聚类数据向量之前，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述从所述时序预测层中的多个专家网络中确定各聚类数据向量对应的专家网络，包括：
6.根据权利要求5所述的方法...
【专利技术属性】
技术研发人员：康亚舒，徐梦，朱凡凡，钟超文，虞锦明，
申请(专利权)人：浙江中控信息产业股份有限公司，
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。