一种基于图神经网络的多变量时间序列预测方法及装置

    公开(公告)号:CN115906954A

    公开(公告)日:2023-04-04

    申请号:CN202211585225.9

    申请日:2022-12-09

    摘要: 本发明公开了一种基于图神经网络的多变量时间序列预测方法及装置,收集预测内容及相关特征的历史数据,进行数据预处理得到预测数据集,并划分训练集、验证集、测试集;根据所述训练集追踪每个数据特征作为图结构的一个节点,构建图结构数据;根据所述图结构数据,构建图神经网络;根据图神经网络对所述训练集、验证集及测试集对所述图神经网络进行测试验证,并调整相关超参数,优化所述图神经网络得到最佳模型;根据所述最佳模型对多变量时间序列进行预测。本发明方案结合多变量时间序列数据的时空关联特性,使用图神经网络去预测未来时刻的结果,结合图神经网络对于节点与边之间强大的表征关系解决预测问题,提升模型预测效果。

    一种多变量时间序列预测方法及装置

    公开(公告)号:CN115840893A

    公开(公告)日:2023-03-24

    申请号:CN202211602472.5

    申请日:2022-12-09

    摘要: 本发明公开了一种多变量时间序列预测方法及装置,收集预测内容及相关特征的历史数据,进行数据预处理得到预测数据集,并构建可变滑动窗口数据集;将所述预测数据集放入transformer encoder作为特征提取器组成的模型结构中,训练模型;调整模型参数及调节模型超参数,得到最优模型;根据所述最优模型对待预测内容进行预测。本发明方案结合多变量时间序列预测的特点,和门控循环单元结合起来,能捕捉到时间步上特征间的关系,更好地把握时间维度的特征,提升模型预测效果。

    一种多变量时间序列预测方法及系统

    公开(公告)号:CN115796312A

    公开(公告)日:2023-03-14

    申请号:CN202211602382.6

    申请日:2022-12-09

    摘要: 本发明公开了一种多变量时间序列预测方法及系统,收集预测内容及相关特征的历史数据,进行数据预处理并进行特征选择,得到预测数据集;对所述预测数据集划分训练集、验证集及测试集,对基于增量学习的xgboost模型进行训练;并调整模型参数,得到最优模型;根据所述最优模型对待预测内容进行预测得到预测结果;根据SHAP对所述最优模型进行解释;输出所述预测结果及解释结果。本发明实施例对多变量数据样本进行预处理后,利用知识蒸馏思想来做增量学习,建立基于增量学习的xgboost模型。同时,提出基于SHAP理论的归因分析框架,根据特征样本的边际贡献显示特征集合对模型预测结果的影响,提高模型可解释性。

    一种基于隐私计算的数据开放方法、装置及存储介质

    公开(公告)号:CN118568781B

    公开(公告)日:2024-10-29

    申请号:CN202411052633.7

    申请日:2024-08-02

    IPC分类号: G06F21/62 G06F9/50 H04L9/00

    摘要: 本申请公开了基于隐私计算的数据开放方法、装置及存储介质。其中,方法包括:响应于用户的数据隐私配置操作,将与数据隐私配置操作对应的数据的隐私配置信息进行上链操作,并存储于与区块链系统对应的区块链数据;确定与用户输入的数据处理指令对应的计算任务,并且生成与计算任务对应的第一节点图;从区块链数据获取分别与各个计算节点对应的开放数据的隐私配置信息;根据与开放数据对应的隐私配置信息,生成与第一节点图对应的第二节点图,其中第二节点图包括第一子图和第二子图;以及根据第二节点图从区块链系统获取与各个子图相应的开放数据,并且实施与各个子图对应的计算过程。从而能够达到大大提高计算的效率的技术效果。