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！

龙图腾网获悉鲁东大学申请的专利基于时空特征融合的多变量时间序列预测方法及装置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：CN120910514B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202511445257.2，技术领域涉及：G06F18/21；该发明授权基于时空特征融合的多变量时间序列预测方法及装置是由孙玉娟;张慧锦;王桦;张小峰设计研发完成，并于2025-10-11向国家知识产权局提交的专利申请。

本基于时空特征融合的多变量时间序列预测方法及装置在说明书摘要公布了：本发明属于深度学习与时序分析技术领域，具体涉及一种基于时空特征融合的多变量时间序列预测方法及装置。所述方法包括：获取多变量交通时间序列数据，对所述交通时间序列数据进行处理；将处理后的交通时间序列数据划分为可重叠的补丁，经线性映射生成补丁嵌入序列；对补丁嵌入序列应用双模态时间注意力，得到融合后的注意力特征；基于可学习节点嵌入矩阵，通过动态图构建生成时变邻接矩阵，执行图卷积，得到时域图传播结果，并执行快速傅里叶变换，乘以可学习缩放因子后逆变换，得到逆变换时频结果；将时域图传播结果与逆变换时频结果相加，得到最终时空特征；对最终时空特征进行展平，并通过线性预测头生成各变量在未来预测窗口内的预测值。

本发明授权基于时空特征融合的多变量时间序列预测方法及装置在权利要求书中公布了：1.一种基于时空特征融合的多变量时间序列预测方法，其特征在于，包括以下步骤： 步骤100：获取多变量交通时间序列数据，对所述交通时间序列数据进行规范化和归一化处理，得到归一化后的交通时间序列数据，所述多变量交通时间序列数据包括路口的车流量、车速、信号相位； 步骤200：将归一化后的交通时间序列数据，按滑动窗口划分为可重叠的补丁，并经线性映射生成补丁嵌入序列； 步骤300：对所述补丁嵌入序列应用双模态时间注意力以捕获交通时间序列数据中的时间模式，得到融合后的注意力特征，包括： 将补丁嵌入序列分别通过三组可训练线性变换投影成查询、键、值；基于查询和键，计算点乘得分矩阵；基于得分矩阵，计算全局注意力权重，基于注意力权重和值，计算获得全局模式分支的输出；构造滑动局部掩码，对同一得分矩阵施加局部掩码后，计算得到局部注意力权重；基于局部注意力权重和值，计算获得局部模式分支的输出；将全局模式分支的输出和局部模式分支的输出按元素相加，得到融合后的注意力特征； 步骤400：基于可学习节点嵌入矩阵，通过动态图构建生成时变邻接矩阵，并对融合后的注意力特征执行图卷积，得到时域图传播结果，包括： 构建两个可学习节点嵌入矩阵；计算两个可学习节点嵌入矩阵之间的相似度矩阵，并逐元素应用Sigmoid函数归一化，得到时变自适应邻接矩阵： ； 其中，表示Sigmoid函数； 将融合后的注意力特征重组为初始节点特征，并将所述初始节点按节点维度拆分为，； 基于图深度，依次进行次图传播： ； 上式中，表示第层时域图传播结果；表示邻接节点索引；表示时变自适应邻接矩阵；表示第层中节点的特征表示；B表示样本数量；N表示变量数量； 时域图传播结果执行快速傅里叶变换，乘以可学习缩放因子后逆变换，得到逆变换时频结果；将时域图传播结果与逆变换时频结果相加，并通过多层感知机融合输出； 步骤500：交替执行步骤300-步骤400，并在每次输出后添加层归一化，得到最终时空特征； 步骤600：对最终时空特征进行展平，并通过线性预测头生成各变量在未来预测窗口内的预测值。

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鲁东大学，其通讯地址为：264025 山东省烟台市芝罘区红旗中路184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”。

以上内容由龙图腾AI智能生成。