检索结果-维普期刊中文期刊服务平台

基于动态图学习与注意力机制的多变量时间序列预测: 1; 作者洪燚申时凯 +4 位作者佘玉梅杨斌代飞王鉴潇张力逸《计算机科学》北大核心 2025年第S1期680-687,共8页; 多变量时间序列(MTS)预测因变量间复杂的时序依赖和动态相关性而具有挑战性。现有方法大多从单一维度考虑相关影响因素,而未充分考虑多源数据和特征随时间变化的复杂性,这限制了对复杂系统中动态依赖关系的真实反映。针对上述问题,提出... 展开更多; 关键词多变量时间序列预测时序依赖注意力机制动态更新图邻接矩阵门控机制; 在线阅读下载PDF 职称材料

基于时空图卷积网络的多变量时间序列预测方法被引量：4: 2; 作者李怀翱周晓锋 +2 位作者房灵申李帅刘舒锐《计算机应用研究》 CSCD 北大核心 2022年第12期3568-3573,共6页; 为了扩大时空图卷积网络的预测范围,将它应用在关联关系未知场景下的多变量时间序列预测问题,提出一种附加图学习层的时空图卷积网络预测方法(GLB-STGCN)。图学习层借助余弦相似度从时间序列中学习图邻接矩阵,通过图卷积网络捕捉多变量... 展开更多; 关键词多变量时间序列预测时空图卷积网络图神经网络时间卷积网络; 在线阅读下载PDF 职称材料

基于Granger因果关系的多变量时间序列预测模型被引量：2: 3; 作者孙友强王儒敬《计算机应用与软件》 CSCD 2015年第11期154-156,280,共4页; 时间序列数据包含内在的时序结构,而传统的针对多变量时间序列的预测方法没有考虑变量序列的历史观察值的影响。为此,提出一种基于Granger因果关系挖掘的多变量时间序列预测模型。通过选择有效的因变量并加入其滞后观测期来提高支持向... 展开更多; 关键词多变量时间序列数据预测 GRANGER因果关系滞后观测期支持向量回归; 在线阅读下载PDF 职称材料

融合局部和全局相关性的多变量时间序列预测方法: 4; 作者王翔陈志祥毛国君《计算机应用》 2025年第9期2806-2816,共11页; 为解决现有时间序列模型未能充分融合局部和全局依赖的问题,提出一种融合局部和全局相关性的多变量时间序列预测方法PatchLG(Patch-integrated Local-Global correlation method)。该方法基于3个关键部分:1)将时间序列划分为多个子序列(... 展开更多; 关键词时间序列多变量时间序列预测深度可分离卷积自注意力机制局部与全局依赖; 在线阅读下载PDF 职称材料

基于分解和频域特征提取的多变量长时间序列预测模型被引量：2: 5; 作者范艺扬张洋 +2 位作者曾尚曾渝付茂栗《计算机应用》 CSCD 北大核心 2024年第11期3442-3448,共7页; 针对现有基于Transformer的多变量长时间序列预测(MLTSF)模型主要从时域中提取特征,难以直接从长时间序列分散的时间点中找出可靠依赖关系的问题,提出一种新的基于分解和频域特征提取的模型。首先,提出基于频域的周期项-趋势项的分解方... 展开更多; 关键词多变量长时间序列预测频域特征提取 GABOR变换 TRANSFORMER 时间序列深度学习; 在线阅读下载PDF 职称材料

基于融合Transformer的门尼系数预测建模研究: 6; 作者杨晔卢建刚《化工学报》北大核心 2025年第1期266-282,共17页; 门尼系数的精准预测是优化橡胶混炼工艺的关键一环,有助于橡胶轮胎生产过程及时把控胶料质量。为此,提出了一种基于融合Transformer的门尼系数预测模型(fusion Transformer,Fusformer),对橡胶混炼产生的时间序列变量与静态协变量数据进... 展开更多; 关键词门尼系数橡胶混炼多变量时间序列预测神经网络静态协变量优化设计算法; 在线阅读下载PDF 职称材料

融入舆情发展阶段特点的热度预测: 7; 作者解俊马常霞 +2 位作者仲兆满赵雪峰胡文彬《计算机工程与设计》北大核心 2025年第3期826-833,共8页; 为高效计算舆情评价指标权重,并考虑融入舆情发展阶段特点信息对于舆情热度预测的影响,利用高斯混合模型定量计算各指标的权重,求得较精准的舆情热度值,在此基础上,结合舆情发展各阶段特点信息,建立基于CNN-LSTM的多变量舆情热度预测模... 展开更多; 关键词舆情热度预测多变量时间序列预测高斯混合算法卷积神经网络长短时记忆网络舆情阶段信息融合模型; 在线阅读下载PDF 职称材料

基于时域频域混合特征的多变量时序预测模型: 8; 作者闵锋刘宇卓 +1 位作者刘煜晖刘彪《计算机科学与探索》 2025年第8期2099-2109,共11页; 目前多变量时间序列预测方法主要是将时间序列转换为频域表示来提取特征信息,然而频域表示下序列会损失部分时域信息造成精度损失,且传统注意力机制会产生平方级时间复杂度。针对上述问题,提出了一种基于时域频域混合特征的多变量时序... 展开更多; 关键词多变量时间序列预测 Transformer 序列分解频域注意力机制深度学习; 在线阅读下载PDF 职称材料

题名基于动态图学习与注意力机制的多变量时间序列预测: 1; 作者洪燚申时凯佘玉梅杨斌代飞王鉴潇张力逸; 机构云南民族大学数学与计算机科学学院昆明学院信息工程学院滁州学院计算机与信息工程学院西南林业大学大数据与智能工程学院; 出处《计算机科学》北大核心 2025年第S1期680-687,共8页; 基金国家自然科学基金面上项目(62372076) 国家自然科学基金地区科学基金项目(61962033)。; 文摘多变量时间序列(MTS)预测因变量间复杂的时序依赖和动态相关性而具有挑战性。现有方法大多从单一维度考虑相关影响因素,而未充分考虑多源数据和特征随时间变化的复杂性,这限制了对复杂系统中动态依赖关系的真实反映。针对上述问题,提出了一种基于动态图神经网络(DGNN)的动态关系学习网络(DRLNet)。首先,通过动态更新图邻接矩阵来自适应地建模变量间随时间变化的相关性;然后,设计了一种注意力机制模块,聚焦于重要节点的连接及其随时间的演变;最后,通过评估这些节点与当前时间步的相关程度,引入门控机制选择性地结合历史依赖图。在3个多变量时间序列数据集上的实验结果表明,相较于目前主流的基线方法,DRLNet在预测准确度和稳定性方面表现更优异,能更好地捕捉时序数据中的重要模式和变化,实现多变量时间序列预测。; 关键词多变量时间序列预测时序依赖注意力机制动态更新图邻接矩阵门控机制; Keywords Multivariate time series prediction Temporal dependencies Attention mechanism Dynamically updating graph adjacency matrix Gated mechanism; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于时空图卷积网络的多变量时间序列预测方法被引量：4: 2; 作者李怀翱周晓锋房灵申李帅刘舒锐; 机构中国科学院网络化控制系统重点实验室中国科学院沈阳自动化研究所中国科学院机器人与智能制造创新研究院中国科学院大学昆山智能装备研究院; 出处《计算机应用研究》 CSCD 北大核心 2022年第12期3568-3573,共6页; 基金辽宁省重点研发计划资助项目(2020JH2/10100039)。; 文摘为了扩大时空图卷积网络的预测范围,将它应用在关联关系未知场景下的多变量时间序列预测问题,提出一种附加图学习层的时空图卷积网络预测方法(GLB-STGCN)。图学习层借助余弦相似度从时间序列中学习图邻接矩阵,通过图卷积网络捕捉多变量之间的相互影响,最后通过多核时间卷积网络捕捉时间序列的周期性特征,实现对多变量的精准预测。为验证GLB-STGCN的有效性,使用天文、电力、交通和经济四个领域的公共数据集和一个工业场景生产数据集进行预测实验,结果表明GLB-STGCN优于对比方法,在天文数据集上的表现尤为出色,预测误差分别降低了6.02%、8.01%、6.72%和5.31%。实验结果证明GLB-STGCN适用范围更广,预测效果更好,尤其适合自然周期明显的时间序列预测问题。; 关键词多变量时间序列预测时空图卷积网络图神经网络时间卷积网络; Keywords multivariate time series forecasting spatio-temporal graph convolutional network(GCN) graph neural network temporal convolutional network(TCN); 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于Granger因果关系的多变量时间序列预测模型被引量：2: 3; 作者孙友强王儒敬; 机构中国科学技术大学信息科学技术学院中国科学院合肥智能机械研究所; 出处《计算机应用与软件》 CSCD 2015年第11期154-156,280,共4页; 基金国家自然科学基金项目(31171456); 文摘时间序列数据包含内在的时序结构,而传统的针对多变量时间序列的预测方法没有考虑变量序列的历史观察值的影响。为此,提出一种基于Granger因果关系挖掘的多变量时间序列预测模型。通过选择有效的因变量并加入其滞后观测期来提高支持向量回归对目标序列的预测,同时也提供了较好的因果解释性。理论推导和实验结果表明,该方法不仅能获得比传统方法更精确的预测效果,而且减少了参与运算的变量时间序列。; 关键词多变量时间序列数据预测 GRANGER因果关系滞后观测期支持向量回归; Keywords Multivariate time series data Prediction Granger causality Lagged observations Support vector regression; 分类号 TP3 [自动化与计算机技术—计算机科学与技术]; 在线阅读下载PDF 职称材料

题名融合局部和全局相关性的多变量时间序列预测方法: 4; 作者王翔陈志祥毛国君; 机构福建理工大学计算机科学与数学学院; 出处《计算机应用》 2025年第9期2806-2816,共11页; 基金国家重点研发计划项目(2019YFD0900900/05) 福建理工大学科技项目(GY-Z21183)。; 文摘为解决现有时间序列模型未能充分融合局部和全局依赖的问题,提出一种融合局部和全局相关性的多变量时间序列预测方法PatchLG(Patch-integrated Local-Global correlation method)。该方法基于3个关键部分:1)将时间序列划分为多个子序列(Patch),在保持时间序列的局部性的同时使模型更易于提取全局依赖;2)使用深度可分离卷积和自注意力机制建模局部和全局相关性;3)将时间序列分解为趋势项与季节项2个部分同时进行预测,并将预测结果组合起来得到最终预测结果。在7个基准数据集上的实验结果表明,PatchLG相较于最优基线方法PatchTST(Patch Time Series Transformer)在均方误差(MSE)和平均绝对误差(MAE)2个指标上平均改进量为3.0%和2.9%,同时具有较短的实际运行时间和较低的内存消耗,验证了PatchLG在时间序列预测中的有效性。; 关键词时间序列多变量时间序列预测深度可分离卷积自注意力机制局部与全局依赖; Keywords time series multivariate time series prediction depthwise separable convolution self-attention mechanism local and global dependencies; 分类号 TP183 [自动化与计算机技术]; 在线阅读下载PDF 职称材料

题名基于分解和频域特征提取的多变量长时间序列预测模型被引量：2: 5; 作者范艺扬张洋曾尚曾渝付茂栗; 机构中国科学院成都计算机应用研究所中国科学院大学计算机科学与技术学院深圳市中钞科信金融科技有限公司; 出处《计算机应用》 CSCD 北大核心 2024年第11期3442-3448,共7页; 基金四川省科技计划项目(2023YFG0113)。; 文摘针对现有基于Transformer的多变量长时间序列预测(MLTSF)模型主要从时域中提取特征,难以直接从长时间序列分散的时间点中找出可靠依赖关系的问题,提出一种新的基于分解和频域特征提取的模型。首先,提出基于频域的周期项-趋势项的分解方法,以降低分解过程的时间复杂度;其次,在利用周期项-趋势项分解提取序列趋势性特征的基础上,利用基于Gabor变换进行频域特征提取的Transformer网络捕捉周期性的依赖,提高预测的稳定性和鲁棒性。在5个基准数据集上的实验结果显示,与现有的先进方法相比,所提模型在MLTSF上的均方误差(MSE)平均减小了7.6%,最多减小了18.9%,有效提升了预测精度。; 关键词多变量长时间序列预测频域特征提取 GABOR变换 TRANSFORMER 时间序列深度学习; Keywords multivariate long-term series forecasting frequency domain feature extraction Gabor transform Transformer time series deep learning; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于融合Transformer的门尼系数预测建模研究: 6; 作者杨晔卢建刚; 机构中国中化控股有限责任公司浙江大学控制科学与工程学院; 出处《化工学报》北大核心 2025年第1期266-282,共17页; 基金国家自然科学基金项目(62293504,62293500)。; 文摘门尼系数的精准预测是优化橡胶混炼工艺的关键一环,有助于橡胶轮胎生产过程及时把控胶料质量。为此,提出了一种基于融合Transformer的门尼系数预测模型(fusion Transformer,Fusformer),对橡胶混炼产生的时间序列变量与静态协变量数据进行针对性建模,提取并融合各类数据特征,精确预测门尼系数。针对时间序列变量,模型引入有向图的概念,提出相对位置感知层与相对多头注意力机制,充分地捕捉时序依赖特征;针对静态协变量,模型引入门控线性单元并提出了静态特征富集模块,提取有效静态特征,最终将时序依赖特征与有效静态特征融合并输出预测值。实验利用大型橡胶轮胎企业的20万条实际采样样本测试了模型的预测性能,通过对照实验、消融分析以及参数灵敏度分析论证了模型设计的合理性。; 关键词门尼系数橡胶混炼多变量时间序列预测神经网络静态协变量优化设计算法; Keywords Mooney viscosity rubber mixing multivariate time series prediction neural network static covariates optimal design algorithm; 分类号 TQ028.8 [化学工程]; 在线阅读下载PDF 职称材料

题名融入舆情发展阶段特点的热度预测: 7; 作者解俊马常霞仲兆满赵雪峰胡文彬; 机构江苏海洋大学计算机工程学院; 出处《计算机工程与设计》北大核心 2025年第3期826-833,共8页; 基金国家自然科学基金项目(72174079)。; 文摘为高效计算舆情评价指标权重,并考虑融入舆情发展阶段特点信息对于舆情热度预测的影响,利用高斯混合模型定量计算各指标的权重,求得较精准的舆情热度值,在此基础上,结合舆情发展各阶段特点信息,建立基于CNN-LSTM的多变量舆情热度预测模型CNN-LSTM-STAGE(CLS)。以新浪微博为平台,选取“扬州疫情”等4个网络热门舆情事件进行实例分析,预测舆情热度趋势。实验结果表明,融入舆情发展阶段特点信息能有效预测舆情的热度趋势,为舆情管控提供决策支持。; 关键词舆情热度预测多变量时间序列预测高斯混合算法卷积神经网络长短时记忆网络舆情阶段信息融合模型; Keywords public opinion hotness prediction multivariate time series prediction Gaussian mixture algorithm convolutional neural network long-term short-term memory network public opinion stage information fusion model; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于时域频域混合特征的多变量时序预测模型: 8; 作者闵锋刘宇卓刘煜晖刘彪; 机构武汉工程大学计算机科学与工程学院智能机器人湖北省重点实验室; 出处《计算机科学与探索》 2025年第8期2099-2109,共11页; 基金国家自然科学基金(62171328) 武汉工程大学研究生教育创新基金(CX2024144)。; 文摘目前多变量时间序列预测方法主要是将时间序列转换为频域表示来提取特征信息,然而频域表示下序列会损失部分时域信息造成精度损失,且传统注意力机制会产生平方级时间复杂度。针对上述问题,提出了一种基于时域频域混合特征的多变量时序预测模型(TFMformer)。模型采用多尺度切分操作,以多尺度混合的视角分解出更准确语义,增强模型捕获序列综合语义信息的能力并通过切片操作减少模型输入token数来降低时间复杂度。提出时域频域混合特征增强模块,将时域和频域特征进行融合与交互,从而提升整体特征表征能力。同时提出在频域注意力的基础上引入时域特征信息,提升频域空间对时域信息感知能力,使得模型能够更精准地聚焦于有意义的特征组合,减少因时域信息缺失造成的预测偏差。TFMformer模型在6个基准数据集上进行了实验,预测结果与现有的先进方法相比,均方误差和平均绝对误差分别平均下降了3.8%和2.8%,其中平均绝对误差最高下降了11.2%,证明了该模型的有效性。; 关键词多变量时间序列预测 Transformer 序列分解频域注意力机制深度学习; Keywords multivariate time series prediction Transformer sequence decomposition frequency domain attention mechanism deep learning; 分类号 TP183 [自动化与计算机技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于动态图学习与注意力机制的多变量时间序列预测	洪燚申时凯佘玉梅杨斌代飞王鉴潇张力逸	《计算机科学》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于时空图卷积网络的多变量时间序列预测方法	李怀翱周晓锋房灵申李帅刘舒锐	《计算机应用研究》 CSCD 北大核心	2022	4	在线阅读下载PDF 职称材料
3	基于Granger因果关系的多变量时间序列预测模型	孙友强王儒敬	《计算机应用与软件》 CSCD	2015	2	在线阅读下载PDF 职称材料
4	融合局部和全局相关性的多变量时间序列预测方法	王翔陈志祥毛国君	《计算机应用》	2025		在线阅读下载PDF 职称材料
5	基于分解和频域特征提取的多变量长时间序列预测模型	范艺扬张洋曾尚曾渝付茂栗	《计算机应用》 CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
6	基于融合Transformer的门尼系数预测建模研究	杨晔卢建刚	《化工学报》北大核心	2025	0	在线阅读下载PDF 职称材料
7	融入舆情发展阶段特点的热度预测	解俊马常霞仲兆满赵雪峰胡文彬	《计算机工程与设计》北大核心	2025	0	在线阅读下载PDF 职称材料
8	基于时域频域混合特征的多变量时序预测模型	闵锋刘宇卓刘煜晖刘彪	《计算机科学与探索》	2025		在线阅读下载PDF 职称材料