一种利用属性相关性的时序预测模型OA
针对现有研究通常忽视时序数据集属性之间的相关性导致模型在长时间序列预测中精度较差的问题,提出一种利用属性相关性的时序预测方法。首先设计时序数据集属性分组策略,对原始数据集的各个属性进行划分;其次利用融合变异系数的ProbSparseCV自注意力机制提取划分后的数据集中时序数据的特征,并使用编码器-解码器的结构构建预测模型:最后,通过多组实验验证所提方法的有效性和优越性,通过消融实验分析所提方法对精度提升的贡献程度,实现长时间序列预测精度的提升。
刘加多;郭景峰;陈晓
燕山大学信息科学与工程学院,河北秦皇岛066004燕山大学信息科学与工程学院,河北秦皇岛066004 燕山大学河北省计算机虚拟技术与系统集成重点实验室,河北秦皇岛066004河北科技师范学院海洋科学研究中心,河北秦皇岛066004
信息技术与安全科学
属性相关性变异系数自注意力机制长时间序列预测
《燕山大学学报》 2026 (1)
P.33-43,11
中央引导地方科技发展资金资助项目(226Z0102G)国家自然科学基金资助项目(42306218)河北省自然科学基金资助项目(F2023407003)河北省海洋动力过程与资源环境重点实验室开放基金资助项目(HBHY02)。
评论