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！

龙图腾网获悉航天科工集团智能科技研究院有限公司申请的专利一种基于时频变化模式建模的长时间序列预测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：CN119691375B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202411491007.8，技术领域涉及：G06F18/20；该发明授权一种基于时频变化模式建模的长时间序列预测方法是由董毅;彭实;陈文;张力文;张右承;周洁;马喆设计研发完成，并于2024-10-24向国家知识产权局提交的专利申请。

本一种基于时频变化模式建模的长时间序列预测方法在说明书摘要公布了：本发明提供了一种基于时频变化模式建模的长时间序列预测方法，所述方法包括：对原始时间序列进行特征编码，得到编码后的时间序列；将编码后的时间序列输入至时间序列预测模型进行训练，得到时间序列预测模型输出的预测时间序列；基于时域损失和频域损失得到时间序列预测模型的总损失；基于总损失对时间序列预测模型的结构参数进行更新，得到更新后的时间序列预测模型，并基于更新后的时间序列预测模型对编码后的时间序列继续进行训练，直至达到预设训练次数，得到训练好的时间序列预测模型；得到与应用场景对应的编码后的时间序列；得到与应用场景对应的预测时间序列。

本发明授权一种基于时频变化模式建模的长时间序列预测方法在权利要求书中公布了：1.一种基于时频变化模式建模的长时间序列预测方法，其特征在于，所述方法包括： 对原始时间序列进行特征编码，得到编码后的时间序列； 将编码后的时间序列输入至基于时频变化模式建模的时间序列预测模型进行训练，得到时间序列预测模型输出的预测时间序列；其中，时间序列预测模型包括L个残差式连接的频谱特征提取与融合模块；在每次训练时，将当前频谱特征提取与融合模块的输入数据和输出数据进行融合处理，并将融合结果作为下一个频谱特征提取与融合模块的输入数据；第一个频谱特征提取与融合模块的输入数据为编码后的时间序列，最后一个频谱特征提取与融合模块的输出数据与最后一个频谱特征提取与融合模块的输入数据的融合结果为时间序列预测模型输出的预测时间序列； 基于原始时间序列和预测时间序列得到时间序列预测模型的时域损失； 分别对原始时间序列和预测时间序列进行傅里叶变换，基于傅里叶变换后的原始时间序列和预测时间序列得到时间序列预测模型的频域损失； 基于时域损失和频域损失得到时间序列预测模型的总损失； 基于总损失对时间序列预测模型的结构参数进行更新，得到更新后的时间序列预测模型，并基于更新后的时间序列预测模型对编码后的时间序列继续进行训练，直至达到预设训练次数，得到训练好的时间序列预测模型； 采集与应用场景对应的时间序列，对与应用场景对应的时间序列进行特征编码，得到与应用场景对应的编码后的时间序列； 基于训练好的时间序列预测模型对与应用场景对应的编码后的时间序列进行预测，得到与应用场景对应的预测时间序列； 其中，原始时间序列为电力数据、金融数据、天气数据或交通数据；电力数据采用电力变压器温度数据或用电量数据，金融数据包括每日汇率数据，天气数据包括气温、湿度，交通数据包括不同传感器测量的道路占用率； 每个频谱特征提取与融合模块包括串联连接的小波变换子模块、多尺度并行2D卷积网络和稀疏型自注意力特征融合模块网络，每个多尺度并行2D卷积网络包括串联连接的两个并行卷积子网络； 采用小波变换子模块对当前频谱特征提取与融合模块的输入数据进行小波变换，得到小波变换后的数据； 采用多尺度并行2D卷积网络对小波变换后的数据进行特征提取，得到特征提取后的数据； 采用稀疏型自注意力特征融合模块网络对特征提取后的数据进行特征融合，得到特征融合后的数据，特征融合后的数据为当前频谱特征提取与融合模块的输出数据。

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航天科工集团智能科技研究院有限公司，其通讯地址为：100041 北京市石景山区石景山路68号金安桥5号楼二层208；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。