买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:苏州科技大学
摘要:本发明公开了一种基于PPLN的时序组合预测模型,包括如下步骤:步骤一、数据预处理:对原始时序数据进行预处理,并通过数据插值处理获取等间隔时间序列数据;步骤二、选择趋势模型:确定等间隔时间序列数据的观测数据,并对通过静态预测法提取多组趋势项部分,通过时间序列自回归模型提取周期项部分;步骤三、执行网络训练:将多组趋势项部分和周期项部分作为输入部分输入投影寻踪学习网络;步骤四、搭建PPLN-TCF预测模型:根据所选取的样本数据对投影寻踪学习网络进行训练;步骤五、验证PPLN-TCF预测模型:将验证数据输入网络,检验当前模型的预测效果;本发明通过建立符合多种复杂沉降状态的预测模型从而较显著的降低训练过程中预测的均方差。
主权项:1.基于PPLN的时序组合预测模型,其特征在于,包括如下步骤:步骤一、数据预处理:对原始时序数据进行预处理,并通过数据插值处理获取等间隔时间序列数据;步骤二、选择趋势模型:确定等间隔时间序列数据的观测数据,并对通过静态预测法提取多组趋势项部分,通过时间序列自回归模型提取周期项部分;步骤三、执行网络训练:将多组趋势项部分和周期项部分作为输入部分输入投影寻踪学习网络;步骤四、搭建PPLN-TCF预测模型:根据所选取的样本数据对投影寻踪学习网络进行训练;步骤五、验证PPLN-TCF预测模型:将验证数据输入网络,检验当前模型的预测效果。
全文数据:
权利要求:
百度查询: 苏州科技大学 基于PPLN的时序组合预测模型
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。