買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜長春大學(xué)申請的專利一種基于時間序列分解和LSTM的時間序列數(shù)據(jù)預(yù)測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114239990B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-27發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202111602708.0，技術(shù)領(lǐng)域涉及：G06Q10/04；該發(fā)明授權(quán)一種基于時間序列分解和LSTM的時間序列數(shù)據(jù)預(yù)測方法是由李麗娜;黃盛奎;李念峰;靳德政設(shè)計(jì)研發(fā)完成，并于2021-12-24向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于時間序列分解和LSTM的時間序列數(shù)據(jù)預(yù)測方法在說明書摘要公布了：本發(fā)明公開了一種基于時間序列分解和LSTM的時間序列數(shù)據(jù)預(yù)測方法，包括：步驟一、采集時間序列數(shù)據(jù)，并對其進(jìn)行預(yù)處理，獲得滿足建立預(yù)測模型數(shù)據(jù)需求的時間序列樣本集，進(jìn)行訓(xùn)練集和測試集的劃分，得到第一訓(xùn)練集與第一測試集；步驟二、基于LSTM建立用于趨勢分量和余項(xiàng)預(yù)測的第一神經(jīng)網(wǎng)絡(luò)，通過第一訓(xùn)練集進(jìn)行訓(xùn)練與調(diào)參，將訓(xùn)練好的第一神經(jīng)網(wǎng)絡(luò)模型對第一訓(xùn)練集進(jìn)行預(yù)測，獲得第一訓(xùn)練集的趨勢分量和余項(xiàng)的預(yù)測結(jié)果，進(jìn)一步處理成第二訓(xùn)練集；步驟三、基于ANN建立第二神經(jīng)網(wǎng)絡(luò)，通過第二訓(xùn)練集進(jìn)行訓(xùn)練和調(diào)參；步驟四、將訓(xùn)練好的第一神經(jīng)網(wǎng)絡(luò)和第二神經(jīng)網(wǎng)絡(luò)模型對測試集進(jìn)行聯(lián)合預(yù)測，獲得擬合的時間序列數(shù)據(jù)預(yù)測結(jié)果。

本發(fā)明授權(quán)一種基于時間序列分解和LSTM的時間序列數(shù)據(jù)預(yù)測方法在權(quán)利要求書中公布了：1.一種基于時間序列分解和LSTM的時間序列數(shù)據(jù)預(yù)測方法，其特征在于，包括：步驟一、采集時間序列數(shù)據(jù)，建立預(yù)測模型數(shù)據(jù)需求的時間序列樣本集，進(jìn)行訓(xùn)練集和測試集的劃分，得到第一訓(xùn)練集與第一測試集，包括：對原始時間序列數(shù)據(jù)進(jìn)行一階差分和二階差分，分解原始時間序列數(shù)據(jù)得到周期分量、趨勢分量和余項(xiàng)；通過滑動窗口的方法確定第一神經(jīng)網(wǎng)絡(luò)的輸入輸出，設(shè)窗口大小為n，窗口每次滑動1，輸入為：窗口前n-1個六種數(shù)據(jù)，輸出為：窗口第n個趨勢分量和窗口第n個余項(xiàng)；其中，六種數(shù)據(jù)包括：原始序列、一階差分序列、二階差分序列、周期分量序列、趨勢分量序列和余項(xiàng)序列；將第一神經(jīng)網(wǎng)絡(luò)的輸入和輸出數(shù)據(jù)樣本按照0.95:0.05進(jìn)行劃分，并分別進(jìn)行歸一化，得到第一訓(xùn)練集和第一測試集；所述時間序列數(shù)據(jù)通過以下方式獲得：對原始數(shù)據(jù)進(jìn)行處理，將原始數(shù)據(jù)按時間排序，計(jì)算出每分鐘推文的個數(shù)，得到時序數(shù)據(jù)；原始數(shù)據(jù)包括推文的點(diǎn)贊數(shù)、平臺、文本、評創(chuàng)、轉(zhuǎn)發(fā)信息、編號、創(chuàng)建時間；步驟二、基于LSTM建立用于趨勢分量和余項(xiàng)預(yù)測的第一神經(jīng)網(wǎng)絡(luò)，通過第一訓(xùn)練集進(jìn)行訓(xùn)練與調(diào)參，將訓(xùn)練好的第一神經(jīng)網(wǎng)絡(luò)模型對第一訓(xùn)練集進(jìn)行預(yù)測，獲得第一訓(xùn)練集的趨勢分量和余項(xiàng)的預(yù)測結(jié)果，進(jìn)一步處理成第二訓(xùn)練集；使用第一訓(xùn)練集對第一神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和調(diào)參，得到訓(xùn)練好的第一神經(jīng)網(wǎng)絡(luò)模型；通過訓(xùn)練好的第一神經(jīng)網(wǎng)絡(luò)預(yù)測第一訓(xùn)練集和第一測試集的趨勢分量以及余項(xiàng)；步驟三、基于ANN建立第二神經(jīng)網(wǎng)絡(luò)，通過第二訓(xùn)練集進(jìn)行訓(xùn)練和調(diào)參，得到訓(xùn)練好的第二神經(jīng)網(wǎng)絡(luò)；步驟四、將訓(xùn)練好的第一神經(jīng)網(wǎng)絡(luò)和第二神經(jīng)網(wǎng)絡(luò)模型對第一測試集進(jìn)行聯(lián)合預(yù)測，獲得擬合的時間序列數(shù)據(jù)預(yù)測結(jié)果；使用第一神經(jīng)網(wǎng)絡(luò)處理第一測試集，將預(yù)測得到的趨勢分量、余項(xiàng)以及相應(yīng)的周期分量作為第二神經(jīng)網(wǎng)絡(luò)的輸入，相應(yīng)的原始時序數(shù)據(jù)作為第二神經(jīng)網(wǎng)絡(luò)的輸出，得到第二測試集；通過訓(xùn)練好的第二神經(jīng)網(wǎng)絡(luò)對第二測試集進(jìn)行預(yù)測，將預(yù)測結(jié)果反歸一化，得到最終擬合的時間序列數(shù)據(jù)預(yù)測結(jié)果。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人長春大學(xué)，其通訊地址為：130022 吉林省長春市朝陽區(qū)衛(wèi)星路6543號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。