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！

龙图腾网获悉山东未来网络研究院(紫金山实验室工业互联网创新应用基地)申请的专利一种基于信息论与因果推理的多变量时间序列预测解释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：CN120373478B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202510854544.2，技术领域涉及：G06N5/045；该发明授权一种基于信息论与因果推理的多变量时间序列预测解释方法及系统是由王玥;程海博;涂燕晖设计研发完成，并于2025-06-25向国家知识产权局提交的专利申请。

本一种基于信息论与因果推理的多变量时间序列预测解释方法及系统在说明书摘要公布了：本发明涉及人工智能模型解释技术领域，尤其是涉及一种基于信息论与因果推理的多变量时间序列预测解释方法及系统。方法包括获取原始多变量时间序列数据；对获取的原始多变量时间序列数据进行数据预处理；对预处理后的多变量时间序列数据进行因果信息推理；基于因果信息推理，计算多变量时间序列数据的动态特征权重；基于动态特征权重进行局部拟合并解释生成；得到时间‑特征二维热力图。本发明通过多维度特征关系挖掘、优化的因果关系推理算法、动态权重计算与直观的时间‑特征二维热力图生成机制，有效考虑时间连续性，以直观易懂的方式呈现预测解释，让用户能快速理解人工智能模型决策过程。

本发明授权一种基于信息论与因果推理的多变量时间序列预测解释方法及系统在权利要求书中公布了：1.一种基于信息论与因果推理的多变量时间序列预测解释方法，其特征在于，包括： 获取原始多变量时间序列数据；在工业监测场景中，通过部署多类型传感器，包括温度、压力和流量传感器实时采集多维度时序数据，每个传感器对应一个特征维度d，d=1,2,...,D，D代表特征数量，时间序列长度为t； 对获取的原始多变量时间序列数据进行数据预处理； 对预处理后的多变量时间序列数据进行因果信息推理； 基于因果信息推理，计算多变量时间序列数据的动态特征权重； 基于动态特征权重进行局部拟合并解释生成； 得到时间-特征二维热力图；其中，横轴为时间步，纵轴为特征，像素值为； 所述基于因果信息推理，计算多变量时间序列数据的动态特征权重，包括分别计算多变量时间序列数据特征的因果中心性指标、时间序列变化趋势系数和信息增益率，并整合为最终权重，其中、和为调整系数，且，其中，首先衡量特征作为原因对其他特征的影响范围，其中表示特征指向其他特征的边数，为节点总数，其次考虑特征到预测目标的因果路径长度和强度，公式为，其中表示从特征到预测目标的所有有向路径集合，为路径上权重的乘积，为路径的长度,为衰减系数，结合上述指标，计算特征的因果中心性，其中为权重系数，且；代表衡量特征对预测目标的信息贡献；，其中为特征与预测目标的互信息，为特征的熵，公式为； 所述基于因果信息推理，计算多变量时间序列数据的动态特征权重，还包括时间序列变化趋势系数计算，其中，首先计算特征在子序列内相邻时间点的平均变化率，其中为特征在时间的值，为时间间隔，其次引入时间衰减机制，使近期数据具有更高权重，其中为衰减系数，为特征在子序列内的均值，综合计算变化趋势系数，其中权重系数，且；代表子序列的长度； 所述基于动态特征权重进行局部拟合并解释生成，包括在预测过程中，对于给定的输入子序列，采用加权欧几里得距离计算输入子序列与训练数据中各子序列的相似度，表示为： 其中，为特征的动态权重，通过引入动态权重，使相似性计算关注因果关键特征和时序趋势明显的维度； 所述基于动态特征权重进行局部拟合并解释生成，还包括选取距离最小的若干子序列作为相似子序列集合，针对筛选出的相似子序列集合，构建加权线性回归模型：，其中为特征的回归数，通过最小化加权均方误差求解：。

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山东未来网络研究院(紫金山实验室工业互联网创新应用基地)，其通讯地址为：250002 山东省济南市市中区山东大学国家大学科技园7号楼14层；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。