龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：华南理工大学
摘要：本发明公开了一种基于TrAdaBoost‑LSTM的时间序列预测方法、装置及介质，属于时间序列预测领域。其中方法包括：获取原始数据，对原始数据进行清洗，获得准备数据；计算各影响因素与目标值之间的相关性，进行特征筛选与特征降维，获得模型特征数据；根据时间将模型特征数据分配为源域和目标域；基于源域数据和目标域数据，构建预测模型的数据集；构建基于TrAdaBoost‑LSTM的时间序列预测模型；对时间序列预测模型进行训练。本发明以LSTM网络学习时间序列依赖关系，嵌入到解决迁移学习TrAdaBoost集成算法中，使得模型在提取历史时空潜在趋势信息同时，通过辅助集引入相似领域数据改善学习过程。
主权项：1.一种基于TrAdaBoost-LSTM的时间序列预测方法，其特征在于，包括以下步骤：S1、收集预测对象目标值与相关影响因素，以获取用于预测任务的原始数据；将原始数据按照时间戳的顺序排列，并通过数据清洗与去噪处理，获得准备数据；S2、根据准备数据计算各影响因素与目标值之间的相关性，剔除相关性较小的无关特征；采用主成分分析法对强相关性特征进行降维处理，获得低维度的重构特征，作为模型特征数据；S3、根据时间将模型特征数据分配为源域和目标域；和或，引入相似领域的辅助数据作为源域，本领域的数据作为目标域；S4、基于源域数据和目标域数据，将时间序列形式的数据转换为LSTM神经网络的输入数据规格形式；采用滑动时间窗口遍历时间序列，将每步滑动截取的子序列生成一个时序样本，构建预测模型的数据集；S5：构建基于TrAdaBoost-LSTM的时间序列预测模型；S6：根据数据集划分训练集和测试集，采用训练集对时间序列预测模型进行训练；将测试集输入训练后的时间序列预测模型进行预测。
全文数据：
权利要求：
百度查询： 华南理工大学 基于TrAdaBoost-LSTM的时间序列预测方法、装置及介质
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号