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！

龙图腾网获悉西安电子科技大学申请的专利一种基于MPDLinear模型的时序预测方法、设备和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：CN120144960B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202510234715.1，技术领域涉及：G06F18/20；该发明授权一种基于MPDLinear模型的时序预测方法、设备和介质是由崔江涛;张子豪;王培;常宇恒;赵闻博;王鸣哲设计研发完成，并于2025-02-28向国家知识产权局提交的专利申请。

本一种基于MPDLinear模型的时序预测方法、设备和介质在说明书摘要公布了：本发明涉及气象预测技术领域，特别涉及一种基于MPDLinear模型的时序预测方法、设备和介质；该方法中多成分分解模块将时间序列分解为不同序列成分，特征‑时间维度混合自注意力机制模块结合特征和时间维度的自注意力机制动态调整预测输出对不同时间步和特征的注意力分数，多通道独立建模加权预测模块针对每个有注意力的不同时序成分进行独立通道的建模并输出不同时序成分的成分、特征维度权重，多成分分解模块利用权重参数通过反向加和得到最终预测结果；设备、介质用于保存计算机程序，当程序被执行时完成时序预测方法；该方法既克服了LTSF‑Linear‑based模型在处理复杂多维数据时的局限性，又保持了低于Transformer‑baesd模型的复杂度，拥有对复杂时间序列较高的泛化性和预测能力。

本发明授权一种基于MPDLinear模型的时序预测方法、设备和介质在权利要求书中公布了：1.一种基于多维度分解线性MPDLinear模型的时序预测方法，其特征在于，包含以下步骤： S1：MPDLinear模型中的多成分分解模块接收二进制数据流后，将所述二进制数据流反序列化并规范为MPDLinear模型可接收的结构，所述可接收的结构表示天气数据集湿度特征在整个时间范围内的变化情况，多成分分解模块将所述天气数据集湿度特征分解为不同时序成分并分别输出至MPDLinear模型中的多通道独立建模加权预测模块、自学习权重向量模块和特征-时间维度混合自注意力机制模块； S2：特征-时间维度混合自注意力机制模块接收步骤S1所述不同时序成分后经维度重排处理并生成经维度重排的不同时序成分，进而将所述经维度重排的不同时序成分经过特征-时间维度混合自注意力机制模块中回视窗口时间维度的自注意力机制层处理得到不同时序成分的注意力分数，所述不同时序成分的注意力分数再经过本模块处理得到不同时序成分的注意力权重并输出至多通道独立建模加权预测模块； S3：多通道独立建模加权预测模块接收步骤S1所述不同时序成分并应用步骤S2所述不同时序成分的注意力权重后，经过矩阵相乘获得有注意力的不同时序成分，多通道独立建模加权预测模块针对每一个有注意力的不同时序成分进行独立通道的建模并输出初步结果序列至特征-时间维度混合自注意力机制模块； S4：特征-时间维度的混合自注意力机制模块获取步骤S3所述初步结果序列，依次经过本模块的特征维度自注意力机制层和预测窗口时间维度自注意力机制层处理，得到应用注意力后的不同时序成分的初步预测结果并输出至自学习权重向量模块和多成分分解模块； S5：自学习权重向量模块接收步骤S1所述不同时序成分和步骤S4所述初步预测结果后，利用初步预测结果在反向传播时计算更新自学习权重向量模块中不同时序成分权重及不同时序特征权重的参数，经循环遍历所述不同时序成分权重及不同时序特征权重的参数，最后得到不同时序成分的成分维度权重和特征维度权重并输出至多成分分解模块； S6：多成分分解模块接收步骤S4所述初步预测结果，并将所述初步预测结果按照步骤S5所述不同时序成分的成分维度权重和特征维度权重分别进行加权计算，并将加权计算结果按多成分分解模块的分解方法反向加和得到天气数据集的最终预测结果。

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安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路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”。

以上内容由龙图腾AI智能生成。