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！

龍圖騰網獲悉浙江大學申請的專利基于輕量卷積神經網絡的高效時間序列分析方法、裝置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：CN120197036B 。

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：202510670236.4，技術領域涉及：G06F18/241；該發明授權基于輕量卷積神經網絡的高效時間序列分析方法、裝置及介質是由賀詩波;侯偉燁;周啟航;陳積明;史治國;顧超杰設計研發完成，并于2025-05-23向國家知識產權局提交的專利申請。

本基于輕量卷積神經網絡的高效時間序列分析方法、裝置及介質在說明書摘要公布了：本發明公開了一種基于卷積神經網絡的高效時間序列分析方法、裝置及介質，本發明經過原始數據讀取、樣本標準化、自適應時頻轉換、頻域分量提取與擬合、時域數據重構等步驟得到針對不同下游任務的時間序列建模分析結果。在時間序列分析方法中，時頻轉換與時域數據重構步驟通過一種可動態調整的小波分析組件實現，而頻域數據擬合步驟則通過一種低時間與空間復雜度的卷積神經網絡高效地建模原始數據中的頻率組成成分的分布，原始數據讀取與樣本標準化為針對不同任務的時間序列分析提供了起始點。本發明基于數據驅動，對數據無特殊要求，普適性較強，能夠在大幅降低時間成本與硬件資源開銷的同時維持高建模精度，具有較強的理論性與實用性。

本發明授權基于輕量卷積神經網絡的高效時間序列分析方法、裝置及介質在權利要求書中公布了：1.一種基于輕量卷積神經網絡的高效時間序列分析方法，其特征在于，包括： 步驟1，以高效卷積神經網絡作為特征提取器，自適應小波分析組件作為時頻轉換組件，搭建高效時間序列分析模型； 步驟2，以變壓器油溫時間序列數據集的標定單位讀取時間序列，包括：記錄某一時刻的單時刻數據記錄數，該時刻的記錄條目包含記錄時間戳、高有用負載變量、高無用負載變量、中等無用負載變量、低有用負載變量、低無用負載變量以及油溫變量，將多條不同時刻的數據記錄組合為一個時間序列數據集； 步驟3，利用步驟2中的變壓器油溫時間序列數據集為每一個序列變量消除不同變量的量綱，使數據標準化； 步驟4，將步驟3中標準化后的數據輸入步驟1構建的高效時間序列分析模型，對標準化后的數據通過小波分析組件進行自適應小波分解將時域數據轉化至頻域后得到全局性頻域分布，包括： 小波分析組件接收原始數據作為單個參數進行頻域轉換，轉換方法為： 初始化高通分解濾波器函數與低通分解濾波器函數； 記某一條時間序列變量，將高通分解濾波器函數向后平移序列長度個時間單位后與該條時間序列變量相乘，低通分解濾波器函數向后平移序列長度個單位后也與該條時間序列變量相乘，完成一次運算后將高通分解濾波器函數與低通分解濾波器函數重置回原位后，向后平移變量長度減一個時間單位再次重復上述操作，直至得出高通分解濾波器與低通分解濾波器的所有乘積結果后，分別將結果累加，得到高頻分量譜與低頻分量譜； 步驟5，將全局性頻域分布分離得到高頻分量與低頻分量，利用高效卷積神經網絡擬合分量數據分布并生成高頻表征及低頻表征； 步驟6，將高頻表征及低頻表征傳入步驟4中的小波分析組件，實現自適應小波重構并還原為時域表征； 步驟7，將步驟6中還原完成的時域表征由輸出層映射為輸出矩陣，并與真實值一起通過均方誤差損失函數計算誤差后對誤差求導梯度并反向傳播，以同時優化高效卷積神經網絡與小波分析組件； 步驟8，為高效時間序列分析模型讀入變壓器油溫時間序列數據集，并對讀入特征進行升維與表征操作后產出建模結果，由輸出層映射為最終的油溫變量未來預測曲線。

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浙江大學，其通訊地址為：310000 浙江省杭州市西湖區余杭塘路866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”。