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！

龙图腾网获悉湖南大学申请的专利一种结合预测与编码的时序数据有损压缩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：CN115567058B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202211036392.8，技术领域涉及：H03M7/30；该发明授权一种结合预测与编码的时序数据有损压缩方法是由杨磊;廖宇威;程鑫;朱俊杰设计研发完成，并于2022-08-28向国家知识产权局提交的专利申请。

本一种结合预测与编码的时序数据有损压缩方法在说明书摘要公布了：本发明涉及一种结合预测与编码的时序数据有损压缩方法，简称TPCFT，属于时序数据有损压缩技术领域。通过预处理、预测压缩、编码压缩三个部分，形成具有高压缩比和低时间开销的时序数据有损压缩算法；预处理通过融合具有相同趋势的数据段来降低时序数据的趋势变化对预测结果的影响；预测压缩基于Holt指数趋势模型并通过对该模型引入线性拟合来提升其预测准确度，编码压缩部分采用了LFZip算法。有益效果在于，通过融合具有相同趋势的数据段来降低时序数据的趋势变化对预测结果的影响。预测压缩部分通过对该模型引入线性拟合来提升其预测准确度，同时优化了预测部分的误差计算过程，从而降低了算法的整体时间复杂度。

本发明授权一种结合预测与编码的时序数据有损压缩方法在权利要求书中公布了：1.一种结合预测与编码的时序数据有损压缩方法，其特征在于： 通过预处理、预测压缩、编码压缩三个部分，形成具有高压缩比和低时间开销的时序数据有损压缩算法； 预处理根据时序数据相邻数据段之间的趋势相关性，通过融合具有相同趋势的数据段来降低时序数据的趋势变化对预测结果的影响； 预测压缩基于Holt指数趋势模型并通过对该模型引入线性拟合来提升其预测准确度，同时优化了预测部分的误差计算过程，从而降低了算法的整体时间复杂度；并且基于Holt指数趋势模型的改进包括预测方法优化、时间开销优化、线性拟合优化； Holt指数趋势模型形式化为式1.3、1.4、1.5： lt＝α·yt+1-α·lt-1+bt-11.4 以上三个公式中，bt表示时间t的增长率趋势，lt表示水平趋势，α表示水平平滑参数，β表示趋势平滑参数，表示t+h处的预测值； 设R＝{R1，R2，…，Rn-1，Rn}是原始数据段，则拟合序列D＝{D1，D2，…，Dn-1，Dn}由公式1.6所表示的线性拟合模型生成， 其中xi表示从数据段R中第i个点到的第1个点的距离，y1是R中第1个点的实际值，yn是R中最后一个数据点的实际值，k可根据公式1.7计算，是线性拟合模型的输出；序列D的逆序形式被表示为RD＝{Dn，Dn-1，…，D1，D0}，P＝{P1，P2，…，Pi-1}是预测值，当Pi被当做分割点时，{R1，R2，…，Ri-2，Ri-1}和{Dn，Dn-1，…，Di+2，Di+1}将被作为算法的输入；对于这两段数据，算法的预测序列分别为Pa和Pb，最终的预测结果可以形式化为公式1.8， Pfinal＝μ1·Pa+μ2·Pb1.8 其中，μ1和μ2是权重参数； 其中Rk表示实际值，Pk表示预测值，n表示数据段P和R的长度； 如果P中的预测值和R中的实际值满足式1.9时，得出结论：{R1，R2，…，Ri-1}能用来预测{Ri，Ri+1，…，Rn}；最后存储{R1，R2，…，Ri-1}； 如果平均误差与阈值的关系不满足公式1.9，P中的预测值Pi将被替换为R中相应位置的实际值，当前分割点变为Pi+1，重复上述操作直到找到满足误差要求的分割点，把该分割点之前的数据并入结果集； 解压缩，算法的解压缩过程首先是应用编码压缩对压缩数据进行解压得到解压缩后的数据，即编码压缩的解压输出；然后将编码压缩的解压输出作为预测压缩算法的输入进行预测解压；最后预测压缩算法的输出就是恢复后的数据。

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湖南大学，其通讯地址为：410082 湖南省长沙市湖南长沙岳麓区麓山南路2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”。