欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2026102365807
申请人: 浙江师范大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于时变周期编码和层次化通道融合的长时序列预测方法,其特征在于,应用于天气预报,输入数据包括天气数据集,包括如下步骤:S1:将输入的多元时间序列分解为趋势分量和季节分量;

S2:对所述趋势分量进行映射处理,得到趋势输出;

S3:对所述季节分量进行时变周期性编码处理与层次化通道融合处理,得到季节输出,其中,所述时变周期性编码处理用于自适应捕捉所述季节分量中的时变周期特征,所述层次化通道融合处理用于动态捕捉所述季节分量中不同通道间的相关性差异;其中,对所述季节分量进行时变周期性编码处理的步骤包括:

S311:基于时间索引,通过周期演化网络动态生成L组时变周期参数和对应的时变振幅,L>1;

S312:基于所述时变周期参数和所述时变振幅,构造周期性基函数以生成时变周期性编码;

S313:将所述时变周期性编码与所述季节分量相加,得到周期性增强后的季节分量;

对所述季节分量进行层次化通道融合处理的步骤包括:

S321:对经时变周期性编码处理后的季节分量进行全局通道依赖性建模,得到全局依赖表征;

S322:对经时变周期性编码处理后的季节分量进行局部通道交互建模,得到各通道属于不同聚类的概率,用于指示通道间关联强度;

S323:将所述概率作为融合权重,在各聚类上对所述全局依赖表征进行加权,并对所有聚类的加权结果进行融合,得到所述季节输出;

S4:基于所述趋势输出和所述季节输出,生成未来时间步的预测结果。

2.根据权利要求1所述的基于时变周期编码和层次化通道融合的长时序列预测方法,其特征在于,步骤S1包括:采用指数移动平均算法对所述输入的多元时间序列进行平滑处理,得到所述趋势分量;

将所述输入的多元时间序列与所述趋势分量作差,得到所述季节分量。

3.根据权利要求1所述的基于时变周期编码和层次化通道融合的长时序列预测方法,其特征在于,步骤S311包括:S3111:所述周期演化网络周期演化网络采用多层感知机结构,包括L个并行的第一周期编码单元;所述第一周期编码单元接收所述时间索引向量作为输入,经多组线性层和激活函数处理后获得所述时变周期参数,其中,所述时变周期参数的值大于预设的最小周期约束;

S3112:所述周期演化网络还包括第二周期性编码单元;所述第二周期编码单元接收所述时变周期参数作为输入,经线性层和激活函数处理后获得对应的所述时变振幅。

4.根据权利要求1所述的基于时变周期编码和层次化通道融合的长时序列预测方法,其特征在于,步骤S312包括:S3121:所述周期性基函数包括正弦基函数和余弦基函数,将正弦基函数和余弦基函数拼接得到局部周期特征向量;

S3122:利用线性映射将个周期特征向量分别投影到隐藏特征空间后进行聚合,并在聚合后通过输出投影得到所述时变周期性编码。

5.根据权利要求1所述的基于时变周期编码和层次化通道融合的长时序列预测方法,其特征在于,步骤S321包括:S3211:将所述经时变周期性编码处理后的季节分量划分为序列块;

S3212:将所述序列块映射到潜在空间,并引入全局序列块嵌入和位置编码,得到序列块嵌入矩阵;

S3213:对所述嵌入表示进行通道维度下标准注意力和隐藏注意力的双重注意力计算,将两种注意力输出输入到并行前馈神经网络中进行特征融合,生成所述全局依赖表征。

6.根据权利要求1所述的基于时变周期编码和层次化通道融合的长时序列预测方法,其特征在于,步骤S322包括:S3221:初始化多个可学习的聚类嵌入;

S3222:将所述经时变周期性编码处理后的季节分量中各通道的序列映射为通道嵌入;

S3223:计算各所述通道嵌入与多个可学习的聚类嵌入之间的相似度,得到各通道属于各聚类的概率。

7.根据权利要求6所述的基于时变周期编码和层次化通道融合的长时序列预测方法,其特征在于,步骤S322还包括:S3224:基于所述概率,通过交叉注意力机制更新所述聚类嵌入,并基于更新后的聚类嵌入重新计算各通道属于各聚类的概率,得到最新的概率作为所述融合权重。

8.根据权利要求1所述的基于时变周期编码和层次化通道融合的长时序列预测方法,其特征在于,所述基于所述概率对所述全局依赖表征进行加权融合的步骤,包括:步骤S323包括:对于每个聚类,利用该聚类对应的概率对所述全局依赖表征进行加权,并通过对应的前馈神经网络进行处理;

将所有聚类处理后的结果在通道维度上进行融合,得到融合后的季节分量作为所述季节输出。