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！

龙图腾网获悉硕橙(厦门)科技有限公司申请的专利一种时间序列数据增量学习预测方法、装置、设备及介质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：CN120317330B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202510795958.2，技术领域涉及：G06N3/096；该发明授权一种时间序列数据增量学习预测方法、装置、设备及介质是由梁磊;谭熠;瞿千上;朴永焕;庄焰;林剑春设计研发完成，并于2025-06-16向国家知识产权局提交的专利申请。

本一种时间序列数据增量学习预测方法、装置、设备及介质在说明书摘要公布了：本发明提供的一种时间序列数据增量学习预测方法、装置、设备及介质，涉及时间序列数据学习预测领域。本发明通过对获取的多维时间序列数据进行滑动窗口切分与特征对齐后，经梅尔频谱分析转化成二维频谱图；然后构建基于预训练的自注意力增量学习框架，结合弹性权重固化模块固定历史任务关键参数；并采用改进的经验回放机制筛选出代表性样本与复杂样本，保存至回放缓冲区；同时集成动态蒸馏损失函数进行训练，实现新旧知识融合，得到增量学习预测模型用于后续预测任务。本发明通过多策略协同的增量学习机制，解决了海量工业时序数据动态场景下的灾难性遗忘问题，在设备状态监测、故障预警等任务中显著提升模型持续学习的精度与稳定性。

本发明授权一种时间序列数据增量学习预测方法、装置、设备及介质在权利要求书中公布了：1.一种时间序列数据增量学习预测方法，其特征在于，包括： S1，获取工业设备多源异分布的多维时间序列数据； S2，对所述多维时间序列数据进行滑动窗口切分与特征对齐后，通过梅尔频谱分析转化成二维频谱图； S3，将所述二维频谱图输入预训练的基础模型进行增量学习训练，并基于弹性权重固化模块固定所述基础模型的历史任务关键参数，通过添加正则项约束所述基础模型的参数更新，以减小与之前任务重要参数的偏离；其中，所述弹性权重固化模块用于固定所述基础模型的历史任务关键参数，以防止增量学习中的灾难性遗忘，具体为： 在每个任务训练完成后，通过fisher信息矩阵计算所述基础模型中参数对任务的重要性得分，计算公式为： ； 其中，为第t个任务的重要性得分；为第t个任务的学习训练数据；为基础模型的第i个参数；为基础模型对于输入样本数据的输出类别标签；为参数的基础模型；为真实类别标签；表示求导； S4，在增量学习训练过程中，实时计算样本的代表性和不确定性，筛选出代表性样本和复杂样本，并保存至回放缓冲区，以在下次训练时进行样本回放；在实时计算样本的不确定性，筛选出复杂样本时： 首先，对输入的训练数据应用不同的数据扰动，并基于扰动数据得到模型预测结果； 通过预测结果的稳定性来计算样本数据的不确定性，筛选出复杂样本；不确定性的表达式为： ； 其中，为样本数据；任务集合；为当前任务；为扰动后的样本数据；为扰动后的样本数据被模型预测为类的概率；为模型输出的类别；为数据类别； S5，结合当前任务数据与所述回放缓冲区中的回放样本，基于动态蒸馏损失函数，通过层间特征蒸馏实现新旧知识融合，得到增量学习预测模型; S6，将新获取的工业设备多维时间序列数据处理为二维频谱图后输入所述增量学习预测模型进行预测，得到工业设备运行状态的预测结果。

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硕橙(厦门)科技有限公司，其通讯地址为：361000 福建省厦门市软件园三期诚毅北大街63号1401单元；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”。