買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉重慶大學申請的專利一種多元時間序列預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115099156B 。

龍圖騰網通過國家知識產權局官網在2025-09-09發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210832277.5，技術領域涉及：G06F30/27；該發明授權一種多元時間序列預測方法是由王悅陽;張悅;潘承研;田明瑄;李秀華;范琪琳設計研發完成，并于2022-07-14向國家知識產權局提交的專利申請。

本一種多元時間序列預測方法在說明書摘要公布了：本發明涉及一種多元時間序列預測方法，包括如下步驟：獲取要預測的多元時間序列；分別計算消除噪聲數據的多元時間序列的關系矩陣、因果矩陣和動態距離矩陣；將上述得到的三個矩陣輸入閾值函數，得到三個對應關系的最終矩陣；用CNN提取多元時間的節點特征；使用GAT對節點特征使用注意力機制；使用inter?attention對不同的圖結構使用注意力機制；使用異構圖融合注意力機制結果得到最終的預測結果。多元時間序列預測方法是融合圖結構，多關系，注意力機制于一體的算法，具有較好的應用效果，適合于時間序列的預測，可以廣泛應用在金融、農業、工業等。

本發明授權一種多元時間序列預測方法在權利要求書中公布了：1.一種多元時間序列預測方法，其特征在于：包括如下步驟： S100：獲取公開時間序列數據集，從公開時間序列數據集中隨機選取部分數據作為訓練集并對訓練集進行數據預處理，所述公開時間序列數據集為傳感器測量的交通高速公路占用率數據或光伏電站收集的太陽能輸出數據； S200：構建多元時間序列預測模型Q，多元時間序列預測模型Q包括時序模塊、多關系提取模塊和多關系融合模塊，所述多關系融合模塊包括多頭注意力機制和多圖注意力機制，所述多頭注意力機制包括K個單個節點注意力機制，且多個單個節點注意力機制之間是串聯關系； S300：構造多元時間序列數據集X＝{x1,x2,...,xn}，利用時序模塊提取X的節點特征，表示如下： 其中，h表示X的節點特征，表示單個時間序列節點特征向量； S400：利用多關系提取模塊計算X消除噪聲數據后的相關性矩陣因果關系矩陣和動態距離矩陣 S500：計算多頭注意力機制的輸出為具體步驟如下： S510：將h輸入第一個單個節點注意力機制計算注意系數eij，表達式如下： 其中，a表示單個注意力機制的參數，W表示權重矩陣，表示第i個節點的時序特征，表示第j個節點的時序特征； S520，將eij進行softmax處理得到αij，計算表達式如下： 其中，Ni表示節點i的鄰居節點集合,p表示第p個節點，i表示第i個節點，j表示第j個節點，j∈Ni； S520：將h和αij作為第二個單個節點注意力機制的輸入，依次經過K-1層注意力機制后輸出為表達式如下： 對公式4使用平均，可得公式5： 其中，K表示單個節點注意力機制的數量，表示第k個單個節點注意力機制αk所計算出的歸一化注意力系數，Wk表示相應的輸入線性變換的權重矩陣； S600：使用多圖注意力機制分別對Mcorr′，Mcas′，Mdy′進行打分，得到對應的三個得分矩陣，并對三個得分矩陣進行softmax處理，表達式如下： 其中，表示構建的圖中第k個圖的第i個節點，k∈{1,2,…,K},K為構建的圖的個數，表示除第k個圖外節點i所有隱藏表示的集合，j∈{1,…,K-1},是多圖注意力機制中的權重矩陣，k＝1時表示對Mcorr′的打分結果，k＝2時表示對Mcas′的打分結果，k＝3時表示對Mdy′的打分結果； S700：將a′k、和代入如下公式： 其中，h′l表示第l層的節點嵌入矩陣，也就是第l層的節點的時序特征，和是層特定權重矩陣，h′是第l層的節點注意力機制的輸出結果，為圖中所有節點的多頭注意力機制輸出結果集合，將代入公式8中的hl，將a′k代入公式8中的αk，將和三個矩陣求平均值值得到Mk，并代入公式8中，然后計算對X的預測結果； 當l＝0時，通過代入參數后的公式8計算得到h1； 當hl＝h1，通過代入參數后的公式8計算得到h2； 當hl＝h2，通過代入參數后的公式8計算得到h3； S800：h3＝Y，其中Y＝{y1，y2，...，yn}表示對X的預測結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人重慶大學，其通訊地址為：400044 重慶市沙坪壩區沙正街174號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。