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！

龍圖騰網獲悉碩橙(廈門)科技有限公司申請的專利一種時間序列數據增量學習預測方法、裝置、設備及介質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：CN120317330B 。

龍圖騰網通過國家知識產權局官網在2025-09-23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：202510795958.2，技術領域涉及：G06N3/096；該發明授權一種時間序列數據增量學習預測方法、裝置、設備及介質是由梁磊;譚熠;瞿千上;樸永煥;莊焰;林劍春設計研發完成，并于2025-06-16向國家知識產權局提交的專利申請。

本一種時間序列數據增量學習預測方法、裝置、設備及介質在說明書摘要公布了：本發明提供的一種時間序列數據增量學習預測方法、裝置、設備及介質，涉及時間序列數據學習預測領域。本發明通過對獲取的多維時間序列數據進行滑動窗口切分與特征對齊后，經梅爾頻譜分析轉化成二維頻譜圖；然后構建基于預訓練的自注意力增量學習框架，結合彈性權重固化模塊固定歷史任務關鍵參數；并采用改進的經驗回放機制篩選出代表性樣本與復雜樣本，保存至回放緩沖區；同時集成動態蒸餾損失函數進行訓練，實現新舊知識融合，得到增量學習預測模型用于后續預測任務。本發明通過多策略協同的增量學習機制，解決了海量工業時序數據動態場景下的災難性遺忘問題，在設備狀態監測、故障預警等任務中顯著提升模型持續學習的精度與穩定性。

本發明授權一種時間序列數據增量學習預測方法、裝置、設備及介質在權利要求書中公布了：1.一種時間序列數據增量學習預測方法，其特征在于，包括： S1，獲取工業設備多源異分布的多維時間序列數據； S2，對所述多維時間序列數據進行滑動窗口切分與特征對齊后，通過梅爾頻譜分析轉化成二維頻譜圖； S3，將所述二維頻譜圖輸入預訓練的基礎模型進行增量學習訓練，并基于彈性權重固化模塊固定所述基礎模型的歷史任務關鍵參數，通過添加正則項約束所述基礎模型的參數更新，以減小與之前任務重要參數的偏離；其中，所述彈性權重固化模塊用于固定所述基礎模型的歷史任務關鍵參數，以防止增量學習中的災難性遺忘，具體為： 在每個任務訓練完成后，通過fisher信息矩陣計算所述基礎模型中參數對任務的重要性得分，計算公式為： ； 其中，為第t個任務的重要性得分；為第t個任務的學習訓練數據；為基礎模型的第i個參數；為基礎模型對于輸入樣本數據的輸出類別標簽；為參數的基礎模型；為真實類別標簽；表示求導； S4，在增量學習訓練過程中，實時計算樣本的代表性和不確定性，篩選出代表性樣本和復雜樣本，并保存至回放緩沖區，以在下次訓練時進行樣本回放；在實時計算樣本的不確定性，篩選出復雜樣本時： 首先，對輸入的訓練數據應用不同的數據擾動，并基于擾動數據得到模型預測結果； 通過預測結果的穩定性來計算樣本數據的不確定性，篩選出復雜樣本；不確定性的表達式為： ； 其中，為樣本數據；任務集合；為當前任務；為擾動后的樣本數據；為擾動后的樣本數據被模型預測為類的概率；為模型輸出的類別；為數據類別； S5，結合當前任務數據與所述回放緩沖區中的回放樣本，基于動態蒸餾損失函數，通過層間特征蒸餾實現新舊知識融合，得到增量學習預測模型; S6，將新獲取的工業設備多維時間序列數據處理為二維頻譜圖后輸入所述增量學習預測模型進行預測，得到工業設備運行狀態的預測結果。

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碩橙(廈門)科技有限公司，其通訊地址為：361000 福建省廈門市軟件園三期誠毅北大街63號1401單元；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”。