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！

龙图腾网获悉西北大学申请的专利一种基于扩散模型的时间序列缺失值填补方法及系统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：CN119537816B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202510104203.3，技术领域涉及：G06F18/15；该发明授权一种基于扩散模型的时间序列缺失值填补方法及系统是由肖云;吕昊;华邦庆;王宁;张晓荣;程天顺;房鼎益;陈晓江设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本一种基于扩散模型的时间序列缺失值填补方法及系统在说明书摘要公布了：本发明属于多元时间序列数据缺失值填补领域，公开了一种基于扩散模型的时间序列缺失值填补方法及系统，方法包括：步骤1，将时间序列数据集划分训练集、验证集和测试集，对每条时间序列数据进行数据处理，得到每条时间序列数据的01掩码矩阵，以及要填补的目标和可观测到的时间序列数据；步骤2，训练过程，得到训练好的去噪网络；步骤3，将测试集对应的前向加噪处理的结果输入步骤2得到的训练完成的去噪网络，输出反向去噪的结果，作为填补后的时间序列数据。本发明实现了噪声权重设置的灵活性，增强了模型对不同时序数据集的适用性和通用性。

本发明授权一种基于扩散模型的时间序列缺失值填补方法及系统在权利要求书中公布了：1.一种基于扩散模型的时间序列缺失值填补方法，其特征在于，具体包括以下步骤：步骤1，数据处理：将时间序列数据集划分训练集、验证集和测试集，对每一部分中的每条时间序列数据进行数据处理，得到每条时间序列数据对应的01掩码矩阵，以及要填补的目标和可观测到的时间序列数据；步骤2，训练过程，得到训练好的去噪网络，包括如下子步骤：步骤21，前向加噪：向可观测到的时间序列数据中依次添加T步噪声，每一步添加的噪声等级不同，构造出噪声加噪序列，表示为，其中为第t步加噪后得到的时间序列数据；前向加噪处理的结果为时间序列数据；步骤22，反向去噪：在反向去噪阶段，从步骤21得到的时间序列数据开始，逐步去除前向加噪过程中对应添加的噪声，得到每一步去除噪声后的时间序列数据；整个反向去噪的过程表示为，其中表示第t步去噪后得到的时间序列数据，最后输出时间序列数据，作为填补的时间序列数据；其中，的具体操作是：将第t步去噪得到的时间序列数据、条件信息Cond和当前去噪的步数t共同输入去噪网络，得到第t步的噪声预测结果，简写为，其中t∈1~T；然后计算；通过将第t步的噪声预测结果与真实添加的噪声间的损失函数值进行迭代训练，训练结束后得到训练完成的去噪网络；训练过程中所需要优化的损失函数如下： 其中： —损失函数； —数学期望； —时间序列数据符合的数据分布； —加噪过程中时间序列数据的数据分布； —真实添加的噪声符合的数据分布； —第t步噪声的权重矩阵，初始值为1；上述迭代训练的过程中，采用下面第一个公式设置第i个epoch时第t个时间步学习的难度，采用下面第二个公式设置在第i个epoch时第t个时间步的权重： 其中： —去噪网络在验证集的第i-1个epoch的第t个时间步的损失函数值； —去噪网络在验证集的第i-2个epoch的第t个时间步的损失函数值； 第i个epoch时第t个时间步的权重，在训练集的训练过程中，每隔k个epoch采用更新一次，k=4；在验证集的损失函数计算中，始终为1； —验证集中连续两个epoch的第t个时间步损失函数值的比值； —调节参数，用于调节不同时间步噪声学习的差异，设置为1.5； —权重归一化参数，设置为50；步骤3，将测试集对应的前向加噪处理的结果逐步去除前向加噪过程中对应添加的噪声，得到每一步去除噪声后的时间序列数据；其中，每一步的具体操作是：将当前步的去噪得到的时间序列数据、条件信息Cond和当前去噪的步数共同输入步骤2得到的训练完成的去噪网络，得到当前步对应的噪声预测结果，将当前步的去噪得到的时间序列数据减去当前步对应的噪声预测结果，得到下一步的去噪得到的时间序列数据，最终得到的结果作为填补后的时间序列数据。

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西北大学，其通讯地址为：710069 陕西省西安市太白北路229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”。