公开(公告)号：CN116341712A

公开(公告)日：2023-06-27

申请号：CN202310099886.9

申请日：2023-02-06

申请人： 武汉科技大学

发明人： 廖雪超 ,  黄相 ,  朱晨辉 ,  刘宗宇 ,  黎曙光 ,  陈海力

IPC分类号： G06Q10/04 ,  G06Q50/06 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06F17/18 ,  G06F18/25 ,  G06F18/27 ,  G06F123/02

摘要： 本发明公开了一种基于周期特征提取和时序注意力的预测方法，原始数据集划分为时序块和周期块数据，然后采用互信息法和Pearson法分析历史数据与当前能耗的相关性，为时序块预测模型输入特征的确定提供依据，其次通过TPAnet时序注意力模型对时序块数据进行建模，为了在神经网络中显式性地对能耗数据的周期性和时序性进行建模，依据STL分解和周期幅值网格寻优算法分析能耗数据的最佳周期，并构造周期块，通过EDAnet编解码注意力模型对周期块数据进行建模；最后采用线性回归模型融合时序性和周期性建模的结果，得到最终预测值。本发明采用TPAnet充分提取时序块数据的时间依赖关系，采用EDAnet关注周期块数据的周期相关性，结合两种模型构建的DAnet组合模型，预测精度最优。

公开(公告)号：CN118536659A

公开(公告)日：2024-08-23

申请号：CN202410618421.4

申请日：2024-05-17

申请人： 武汉科技大学

发明人： 廖雪超 ,  黎曙光 ,  张衍昕 ,  浦京 ,  刘欣悦 ,  罗瑞勇 ,  杨浩岚 ,  吴昊

IPC分类号： G06Q10/04 ,  G06Q50/04 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/0985 ,  G06N3/098

摘要： 本发明公开了一种基于时序卷积和Informer的集成学习预测方法，包括：S1、对原始数据进行预处理；S2、通过MI方法对预处理后的数据进行特征选择，剔除冗余特征；S3、将TCN模型与Informer模型融合，构建得到TCN‑Informer预测模型，将经过步骤S1和S2处理后的数据代入到TCN‑Informer预测模型中得到MTCN‑Informer预测模型；S4、通过Stacking将LSTM模型与MTCN‑Informer组合模型进行集成，得到St‑LSTM‑MTInformer集成模型从而进行预测。本发明可以同时满足对时序数据的短期和中长期预测，且预测精度更高。