买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆大学申请的专利一种多元时间序列预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115099156B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210832277.5，技术领域涉及：G06F30/27；该发明授权一种多元时间序列预测方法是由王悦阳;张悦;潘承研;田明瑄;李秀华;范琪琳设计研发完成，并于2022-07-14向国家知识产权局提交的专利申请。

本一种多元时间序列预测方法在说明书摘要公布了：本发明涉及一种多元时间序列预测方法，包括如下步骤：获取要预测的多元时间序列；分别计算消除噪声数据的多元时间序列的关系矩阵、因果矩阵和动态距离矩阵；将上述得到的三个矩阵输入阈值函数，得到三个对应关系的最终矩阵；用CNN提取多元时间的节点特征；使用GAT对节点特征使用注意力机制；使用inter‑attention对不同的图结构使用注意力机制；使用异构图融合注意力机制结果得到最终的预测结果。多元时间序列预测方法是融合图结构，多关系，注意力机制于一体的算法，具有较好的应用效果，适合于时间序列的预测，可以广泛应用在金融、农业、工业等。

本发明授权一种多元时间序列预测方法在权利要求书中公布了：1.一种多元时间序列预测方法，其特征在于：包括如下步骤： S100：获取公开时间序列数据集，从公开时间序列数据集中随机选取部分数据作为训练集并对训练集进行数据预处理，所述公开时间序列数据集为传感器测量的交通高速公路占用率数据或光伏电站收集的太阳能输出数据； S200：构建多元时间序列预测模型Q，多元时间序列预测模型Q包括时序模块、多关系提取模块和多关系融合模块，所述多关系融合模块包括多头注意力机制和多图注意力机制，所述多头注意力机制包括K个单个节点注意力机制，且多个单个节点注意力机制之间是串联关系； S300：构造多元时间序列数据集X＝{x1,x2,...,xn}，利用时序模块提取X的节点特征，表示如下： 其中，h表示X的节点特征，表示单个时间序列节点特征向量； S400：利用多关系提取模块计算X消除噪声数据后的相关性矩阵因果关系矩阵和动态距离矩阵 S500：计算多头注意力机制的输出为具体步骤如下： S510：将h输入第一个单个节点注意力机制计算注意系数eij，表达式如下： 其中，a表示单个注意力机制的参数，W表示权重矩阵，表示第i个节点的时序特征，表示第j个节点的时序特征； S520，将eij进行softmax处理得到αij，计算表达式如下： 其中，Ni表示节点i的邻居节点集合,p表示第p个节点，i表示第i个节点，j表示第j个节点，j∈Ni； S520：将h和αij作为第二个单个节点注意力机制的输入，依次经过K-1层注意力机制后输出为表达式如下： 对公式4使用平均，可得公式5： 其中，K表示单个节点注意力机制的数量，表示第k个单个节点注意力机制αk所计算出的归一化注意力系数，Wk表示相应的输入线性变换的权重矩阵； S600：使用多图注意力机制分别对Mcorr′，Mcas′，Mdy′进行打分，得到对应的三个得分矩阵，并对三个得分矩阵进行softmax处理，表达式如下： 其中，表示构建的图中第k个图的第i个节点，k∈{1,2,…,K},K为构建的图的个数，表示除第k个图外节点i所有隐藏表示的集合，j∈{1,…,K-1},是多图注意力机制中的权重矩阵，k＝1时表示对Mcorr′的打分结果，k＝2时表示对Mcas′的打分结果，k＝3时表示对Mdy′的打分结果； S700：将a′k、和代入如下公式： 其中，h′l表示第l层的节点嵌入矩阵，也就是第l层的节点的时序特征，和是层特定权重矩阵，h′是第l层的节点注意力机制的输出结果，为图中所有节点的多头注意力机制输出结果集合，将代入公式8中的hl，将a′k代入公式8中的αk，将和三个矩阵求平均值值得到Mk，并代入公式8中，然后计算对X的预测结果； 当l＝0时，通过代入参数后的公式8计算得到h1； 当hl＝h1，通过代入参数后的公式8计算得到h2； 当hl＝h2，通过代入参数后的公式8计算得到h3； S800：h3＝Y，其中Y＝{y1，y2，...，yn}表示对X的预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。