多维时序数据的短期趋势预测方法和系统

专利申请号：CN202310182120.7

公 开 号：CN116258262A

发 明 人：王国强 范茜茜 梁晨蕾 林世忠 台建玮 罗贺 阴酉龙 胡笑旋 吕欠伟 李晓多 赵慧敏 夏圆青 秦文龙 卫杰 任东燕 

代 理 人：王云海

代理机构：北京久诚知识产权代理事务所(特殊普通合伙)

专利类型：发明专利

申 请 日：20230613

公 开 日：20230224

专利主分类号：G06Q10/04

关 键 词：多维时序 数据预测 编码器 目标序列 时序特征 矩阵 时间序列特征 特征融合模块 解码器 非线性建模 注意力机制 存储介质 电子设备 辅助信息 模型框架 趋势预测 数据编码 特征分解 特征提取 特征因素 隐藏信息 自相关性 解释性 高维 多头 融合 

摘      要：本发明提供一种多维时序数据的短期趋势预测方法、系统、存储介质和电子设备，涉及多维时序数据预测技术领域。本发明提出了一种新的短期多维时序数据预测模型框架；该结构首先采用一种具有可解释性的时序特征编码器，对目标序列数据进行趋势与季节特征分解。然后，采用了一种辅助信息编码器将特征因素数据编码到隐藏信息矩阵中，并通过多头自注意力机制获取高维自相关性特征。该模型的时序特征编码器具有强大的非线性建模能力，可以满足目标序列特征提取的需求。最后，通过特征融合模块，将提取的不同类型特征进行融合，并通过一个可进行时间序列特征提取的解码器进行最终的多维时序数据预测。