一种通用时间序列的预测方法和电子设备
知识产权简介
本发明涉及数据处理技术领域,尤其涉及一种通用时间序列的预测方法和电子设备,包括:将历史时间序列输入构建的PAPT模型,该模型采用编码器-解码器架构,在编码器中,将历史时间序列分解为趋势项和周期项;对趋势项使用自适应多项式基趋势拟合来捕捉趋势特征,与周期项嵌入结合后输入集成周期性注意力位置编码的注意力层,所述周期性注意力位置编码通过多周期驱动旋转角度,将旋转角度作用于注意力中Q/K的每个位置,使注意力计算融入多周期的位置依赖;解码器中,集成周期性注意力位置编码的注意力层的输出与编码器的输出一同进行跨注意力计算,最终输出预测结果。与现有技术相比,本发明具有实现通用时间序列的精准预测等优点。
转化前景
本发明涉及数据处理技术领域,尤其是涉及一种基于多项式趋势拟合和多尺度周期感知的通用时间序列的预测方法。相较于其余模型,该产品的性能最优,实现简单,产业化前景良好。 本发明提升了时间序列预测的精度,在10个数据集上进行时间序列预测的实验,我们的模型取得了最优的预测结果,在MSE和MAE指标上分别提升了12%和6%。 我们的方法特别针对序列的多重周期性进行设计,能够更好的捕捉序列的多次周期性。对于序列的趋势项和复杂波动的拟合也有很好的效果。 最后,我们的PAPT是一个通用的时间序列预测范式,适用不同领域的时间序列预测,具有很好的泛化性。 我们的PAPT时间序列预测方法可以用于云服务中容器的自动扩缩容等调度任务中,也可以直接运用于各种不同领域的时间序列中,如预测天气数据、工业场景数据等等。