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！

龙图腾网获悉浙江大学申请的专利基于轻量卷积神经网络的高效时间序列分析方法、装置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：CN120197036B 。

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：202510670236.4，技术领域涉及：G06F18/241；该发明授权基于轻量卷积神经网络的高效时间序列分析方法、装置及介质是由贺诗波;侯伟烨;周启航;陈积明;史治国;顾超杰设计研发完成，并于2025-05-23向国家知识产权局提交的专利申请。

本基于轻量卷积神经网络的高效时间序列分析方法、装置及介质在说明书摘要公布了：本发明公开了一种基于卷积神经网络的高效时间序列分析方法、装置及介质，本发明经过原始数据读取、样本标准化、自适应时频转换、频域分量提取与拟合、时域数据重构等步骤得到针对不同下游任务的时间序列建模分析结果。在时间序列分析方法中，时频转换与时域数据重构步骤通过一种可动态调整的小波分析组件实现，而频域数据拟合步骤则通过一种低时间与空间复杂度的卷积神经网络高效地建模原始数据中的频率组成成分的分布，原始数据读取与样本标准化为针对不同任务的时间序列分析提供了起始点。本发明基于数据驱动，对数据无特殊要求，普适性较强，能够在大幅降低时间成本与硬件资源开销的同时维持高建模精度，具有较强的理论性与实用性。

本发明授权基于轻量卷积神经网络的高效时间序列分析方法、装置及介质在权利要求书中公布了：1.一种基于轻量卷积神经网络的高效时间序列分析方法，其特征在于，包括： 步骤1，以高效卷积神经网络作为特征提取器，自适应小波分析组件作为时频转换组件，搭建高效时间序列分析模型； 步骤2，以变压器油温时间序列数据集的标定单位读取时间序列，包括：记录某一时刻的单时刻数据记录数，该时刻的记录条目包含记录时间戳、高有用负载变量、高无用负载变量、中等无用负载变量、低有用负载变量、低无用负载变量以及油温变量，将多条不同时刻的数据记录组合为一个时间序列数据集； 步骤3，利用步骤2中的变压器油温时间序列数据集为每一个序列变量消除不同变量的量纲，使数据标准化； 步骤4，将步骤3中标准化后的数据输入步骤1构建的高效时间序列分析模型，对标准化后的数据通过小波分析组件进行自适应小波分解将时域数据转化至频域后得到全局性频域分布，包括： 小波分析组件接收原始数据作为单个参数进行频域转换，转换方法为： 初始化高通分解滤波器函数与低通分解滤波器函数； 记某一条时间序列变量，将高通分解滤波器函数向后平移序列长度个时间单位后与该条时间序列变量相乘，低通分解滤波器函数向后平移序列长度个单位后也与该条时间序列变量相乘，完成一次运算后将高通分解滤波器函数与低通分解滤波器函数重置回原位后，向后平移变量长度减一个时间单位再次重复上述操作，直至得出高通分解滤波器与低通分解滤波器的所有乘积结果后，分别将结果累加，得到高频分量谱与低频分量谱； 步骤5，将全局性频域分布分离得到高频分量与低频分量，利用高效卷积神经网络拟合分量数据分布并生成高频表征及低频表征； 步骤6，将高频表征及低频表征传入步骤4中的小波分析组件，实现自适应小波重构并还原为时域表征； 步骤7，将步骤6中还原完成的时域表征由输出层映射为输出矩阵，并与真实值一起通过均方误差损失函数计算误差后对误差求导梯度并反向传播，以同时优化高效卷积神经网络与小波分析组件； 步骤8，为高效时间序列分析模型读入变压器油温时间序列数据集，并对读入特征进行升维与表征操作后产出建模结果，由输出层映射为最终的油温变量未来预测曲线。

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浙江大学，其通讯地址为：310000 浙江省杭州市西湖区余杭塘路866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”。