[发明专利]并行化时序数据的预测方法在审
申请号: | 201710660184.8 | 申请日: | 2017-08-04 |
公开(公告)号: | CN107392307A | 公开(公告)日: | 2017-11-24 |
发明(设计)人: | 张栗粽;段贵多;卢国明;刘贵松 | 申请(专利权)人: | 电子科技大学 |
主分类号: | G06N3/04 | 分类号: | G06N3/04;G06N3/08;G06N99/00;G06F17/18 |
代理公司: | 成都希盛知识产权代理有限公司51226 | 代理人: | 濮云杉,杨冬 |
地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明的并行化时序数据的预测方法,包括对输入的数据进行训练和预测;训练包括A.输入历史数据集D;B.数据预处理;C.划分历史数据集D;D.创建对应数量的预测模型,对历史子数据集完成训练并得到训练模型;E.通过历史数据集D得到每个预测模型的误差值,如果误差最小值达到系统要求进入步骤F;F.将得到的网络参数复制到所有的训练模型中输出;预测包括G.输入预测数据集Y;H.数据预处理;I.划分多个预测子数据集;J.预测步骤F输出的训练模型,预测结果返回主控制节点;K.主控制节点输出总的预测结果。本发明有效提高了回归预测问题中的准确度,同时也明显减少了预测模型的训练时间,提高了训练和预测的效率。 | ||
搜索关键词: | 并行 时序 数据 预测 方法 | ||
【主权项】:
并行化时序数据的预测方法,其特征包括:对输入的数据进行训练,并对训练后的数据进行预测;其中训练步骤包括:A.输入历史数据集D,根据历史数据的并行化的场景从相应的存储设备中读取待训练的数据;B.数据预处理,根据读取到的训练数据差别是否有缺失,若有则使用均值替换法进行缺失值的填充,并对各字段进行相应的归一化操作;C.将历史数据集D按指定的大小划分为多个历史子数据集;D.根据历史数据集D的划分个数,创建对应数量的基于神经网络的预测模型,通过所述的预测模型对对应的历史子数据集完成神经网络的训练,得到相应数量的训练模型;E.将历史数据集D分别输入到每个所述的预测模型中得到预测值,根据预测值计算出每个预测模型的误差,挑选出误差最小值对应的预测模型的网络参数,如果该误差最小值未达到系统要求,则将挑选出来的网络参数作为最优参数分发到其他预测模型中作为网络参数并返回步骤D重新训练;反之,进入步骤F;F.将所述的网络参数复制到所有的训练模型中,并保存和输出各训练模型;对训练后的数据进行预测的步骤包括:G.输入预测数据集Y,根据历史数据的并行化的场景从相应的存储设备中读取待训练的数据;H.数据预处理,根据读取到的预测数据差别是否有缺失,若有则使用均值替换法进行缺失值的填充,并对各字段进行相应的归一化操作;I.将预测数据集Y按指定的大小划分为多个预测子数据集;J.通过神经网络的主控制节点将步骤F输出的训练模型分发给各子结点进行预测,并将预测结果返回到主控制节点;K.主控制节点根据各子节点返回的预测结果进行整合,然后将总的预测结果进行输出。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201710660184.8/,转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置