公开(公告)号：CN119476363A

公开(公告)日：2025-02-18

申请号：CN202410292088.2

申请日：2024-03-14

Applicant: 武汉大学

Inventor： 叶世榕 ,  沙智敏 ,  夏朋飞 ,  罗浩 ,  胡方鑫

IPC: G06N3/0455 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/049 ,  G06N3/08 ,  G06Q10/04

Abstract: 本发明公开了一种基于深度学习的多变量长时间序列的预测方法及装置，提出了TLformer模型，采用了更加简单的双线性模型架构，该模型在输入时，对整个数据进行了时间纬度上的归一化，并在输出时进行反归一化。采用了CNN‑Attention机制，在时间维度上进行卷积，并交换了输入数据的时间和变量纬度，让深度学习网络先对变量间的关系进行学习，再去进行时间纬度的预测，这样修改大大增加了模型预测多变量的能力。同时针对Attention机制对趋势项的学习不敏感的问题，该模型采用滑动窗口将原始数据分成了趋势项和季节项加残差项，分别进行训练，最后将训练的结果进行相加得到最终的结果。大量实验表明该模型的预测精度优于目前绝大数的时间序列预测模型。