搜索到10744篇“ 多变量时间序列“的相关文章
基于自适应提升小波变换的变量时间序列预测方法
本发明公开了一种基于自适应提升小波变换的变量时间序列预测方法,包括:构建自适应更新函数和自适应预测函数,实现自适应提升小波分解;通过自适应提升小波分解时间序列数据,得到低频近似系数和高频细节系数;利用OIF Elman...
陈旭张建伟景永俊王叔洋唐莉君
融合分解与转置策略的变量时间序列预测模型被引量:1
2025年
时间序列预测是一项重要的数据分析技术,在交通、经济、气候等领域有广泛的应用,可以辅助资源合理分配、重大风险决策以及规划未来走向.近年来,随着机器学习和深度学习方法的发展,变量时间序列预测问题受到广泛关注,然而,现有变量时间序列预测方法无法同时捕捉复杂的时序间和变量间的依赖关系.提出一种融合转置嵌入方法与时间序列分解的时间序列预测模型DItrans.首先,针对时间序列进行趋势项、周期项和残差项分解,并在此基础上,分别执行转置嵌入,利用不同的编码器结构来学习表征.转置嵌入方法使DItrans模型可以更好地获取变量之间的相关性,而趋势项、周期项和残差项的分解有助于捕获邻近时间点的信息.同时,DItrans模型引入一种新的编码器结构,其结构更灵活,使模型能够捕获更复杂的时间序列特征.在三个真实数据集上对提出的模型进行了性能评估.实验结果表明,DItrans模型的均方误差和平均绝对误差均取得了最佳效果,和对比算法相比,其均方误差下降了1.71%~79.28%,平均绝对误差下降了0.72%~57.52%.
张金涛程明月刘芷町
关键词:时间序列预测多变量时间序列时间序列分解
一种基于深度子特征分解的变量时间序列数据预测方法
本发明公开了一种基于深度子特征分解的变量时间序列数据预测方法,该方法首先记录收集时序数据。其次构建变量时间序列数据预测模型,输入收集的时序数据,进行特征分解,得到预测结果。最后对变量时间序列数据预测模型进行训练并测...
沈鑫浩袁俊峰曾艳张纪林殷昱煜赵乃良
用于变量时间序列分类的带傅立叶滤波算子的跨时空转换方法
本发明提出一种用于变量时间序列分类的带傅立叶滤波算子的跨时空转换方法,将输入时间序列映射到目标变量:通过将时间序列数据集映射到一组C个类别标签Y;训练后,CSTFormer模型输出一个包含C个值的向量,从而估计时间序列...
吴薇郭磊
一种基于变量时间序列水电机组振动预测方法
本发明公开了一种基于变量时间序列水电机组振动预测方法,包括:形成包含时间序列的振动数据集;形成时间变量特征提取模块;形成变量间特征提取模块;调整模型的超参数,进行模型训练并得到预测结果。本发明通过预处理与基于数据驱...
陈帝伊程创曾楚楚赵子文邓博仁曾禹壁
一种变量时间序列异常检测方法及装置
本发明属于异常检测技术领域,公开了一种变量时间序列异常检测方法及装置。对异常检测数据集进行预处理作为输入数据;建立ITtrans检测模型分类器,根据损失梯度下降原则训练ITtrans检测模型分类器;达到最大训练轮次训练...
周小明姚羽杨利成胡博杨巍宁辽逸杨道青周金磊
基于变量时间序列的用户生理参数预测方法及设备
本申请公开了一种基于变量时间序列的用户生理参数预测方法及设备,用于解决现有的时间卷积网络未关注同时步内不同信号间的相互作用和物理关联性的问题。方法包括:将距离当前时刻设定时长内的用户生理参数对应的变量时间序列转置至变...
张冠一袁帅祥刘思行巩健强陈永远闵钰春张冠群张笑宇徐鹤季一木刘尚东
基于WGAN-Attention的电厂变量时间序列异常检测
2025年
通过将电厂中的变量时间序列数据转化为特征图来表征变量之间的相关性信息,将特征图输入至“Wasserstein GAN(WGAN)”中,通过卷积提取特征,在WGAN中添加注意力机制来分配各个特征的权重,将重构的特征图与原始特征图进行对比,通过损失函数来量化分析设置阈值,进行异常检测。实验表明:此方法可以在变量数据中准确检测出异常变量并进行定位。
戚奉彪李海广张超
关键词:多变量时间序列异常检测电厂
面向变量时间序列异常检测的双图注意力网络模型
2025年
时间序列异常检测在时序任务中属于经典研究领域,并已在学术界和工业界取得了一系列研究成果。针对变量时间序列数据中蕴含的角度深层特征和内在复杂依赖关系,提出一种融合时空特征的异常检测模型。该模型采用图注意力网络结构,由时间图模块(T-GAT)和空间图模块(F-GAT)组成。T-GAT构建一种单向加权图,图的边表示时间依赖特性,以此来模拟时间图结构的先验信息并融入图网络中获取时间依赖关系。F-GAT将时间序列转换为以幅值表示的频域序列,通过建立全局双向加权图来模拟变量之间的关联关系,并通过正则化来维护邻居节点的稀疏性,以此来保证对空间关系的准确捕捉。同时模型引入维注意力机制确保对不同特征的深层信息进行有效挖掘和利用。由门控循环单元进一步处理时空信息并融合为全面特征,并通过预测值与观测值的差异来判定异常。实验结果表明,该模型以4个公共数据集上优异的F1分数在12个对比模型中实现先进的性能,并在消融实验中证实了同时建模时空关系的先验双图结构模式和注意力机制有效提升了异常检测精度,可以有效地识别时间序列数据中的异常情况。
李汉章严宣辉李镇力严雨薇王廷银
关键词:多变量时间序列异常检测时空信息
一种基于因果扩散模型的变量时间序列补全方法
本发明公开一种基于因果扩散模型的变量时间序列补全方法,采用了一种将时间序列视为非线性噪声方程的范式。通过利用变分下界最大化,它能够有效揭示数据中嵌入的因果结构。然后,将学习到的因果注意力特征将作为先验知识与扩散网络相结...
姜园田鑫莹赵磊

相关作者

翁小清
作品数:26被引量:74H指数:5
供职机构:河北经贸大学信息技术学院
研究主题:时间序列 多变量时间序列 局部保持映射 维数约简 时间序列聚类
雷绍兰
作品数:56被引量:503H指数:13
供职机构:重庆理工大学
研究主题:短期负荷预测 电力系统 电力 多变量时间序列 粗糙集
孙才新
作品数:727被引量:9,066H指数:53
供职机构:重庆大学
研究主题:局部放电 绝缘子 电力变压器 在线监测 覆冰
陈晓云
作品数:99被引量:523H指数:11
供职机构:福州大学
研究主题:聚类 基因表达数据 时间序列 极限学习机 数据挖掘
马千里
作品数:128被引量:260H指数:8
供职机构:华南理工大学
研究主题:交叉熵 回声状态网络 隐层 文本数据 时间序列