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！

龙图腾网获悉支付宝(杭州)信息技术有限公司申请的专利时序预测模型的训练方法、时序预测方法及相关产品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：CN117094357B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202311017438.6，技术领域涉及：G06N3/0442；该发明授权时序预测模型的训练方法、时序预测方法及相关产品是由刘谦;郑霖设计研发完成，并于2023-08-10向国家知识产权局提交的专利申请。

本时序预测模型的训练方法、时序预测方法及相关产品在说明书摘要公布了：本申请实施例提供一种时序预测模型的训练方法、时序预测方法及相关产品，训练方法包括：获取指定时刻的样本时间序列；将样本时间序列输入待训练的时序预测模型的时序特征提取层，提取第一时间序列；将第一时间序列输入时序预测模型的时频变换层，对第一时间序列进行傅立叶变换，将第一时间序列变换为指定序列长度的第一频域序列，其中，所述指定序列长度小于至少一个第一时间序列的最小序列长度；将第一频域序列输入时序预测模型的LSTM预测层，预测第二频域序列；将第二频域序列输入时序预测模型的频时变换层，对第二频域序列进行逆傅里叶变换，得到第二时间序列；基于第二时间序列的损失值，对时序预测模型进行训练，得到训练后的时序预测模型。

本发明授权时序预测模型的训练方法、时序预测方法及相关产品在权利要求书中公布了：1.一种时序预测模型的训练方法，所述方法包括： 获取指定时刻的样本时间序列；其中，所述样本时间序列为指定时刻的目标计算机系统的电力消耗量的时间序列； 将所述样本时间序列输入待训练的时序预测模型的时序特征提取层，从所述样本时间序列中提取至少一个第一时间序列；其中，所述至少一个第一时间序列包括：所述样本时间序列的整体时间序列以及所述样本时间序列中的局部时间序列； 将所述至少一个第一时间序列输入所述时序预测模型的时频变换层，对所述至少一个第一时间序列分别进行傅里叶变换，将所述至少一个第一时间序列分别变换为指定序列长度的第一频域序列，得到至少一个第一频域序列；其中，所述指定序列长度小于所述至少一个第一时间序列的最小序列长度，所述至少一个第一频域序列与所述至少一个第一时间序列一一对应； 将所述至少一个第一频域序列输入所述时序预测模型的LSTM预测层，预测目标时刻的目标时间序列的至少一个第二频域序列；其中，所述至少一个第二频域序列与所述至少一个第一频域序列一一对应；所述目标时间序列为目标时刻的所述目标计算机系统的电力消耗量的时间序列； 将所述至少一个第二频域序列输入所述时序预测模型的频时变换层，对所述至少一个第二频域序列分别进行逆傅里叶变换，得到所述目标时间序列的至少一个第二时间序列；其中，所述至少一个第二时间序列与所述至少一个第二频域序列一一对应，所述至少一个第二时间序列包括：整体目标时间序列； 基于所述至少一个第二时间序列的损失值，对所述时序预测模型进行训练，得到训练后的时序预测模型，所述训练后的时序预测模型为所述目标计算机系统的电力消耗量的预测模型； 其中，所述将所述至少一个第一频域序列输入所述时序预测模型的LSTM预测层，预测目标时刻的目标时间序列的至少一个第二频域序列，包括： 以每个第一频域序列作为一个维度的特征，将所述多个第一频域序列合并为第一多维度频域特征矩阵；其中，所述第一多维度频域特征矩阵表征所述样本时间序列的多维度频域特征； 将所述第一多维度频域特征矩阵输入所述时序预测模型的LSTM预测层，预测第二多维度频域特征矩阵；其中，所述第二多维度频域特征矩阵表征所述目标时间序列的多维度频域特征，其为目标时刻的目标时间序列的多个第二频域序列的合并矩阵。

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支付宝(杭州)信息技术有限公司，其通讯地址为：310000 浙江省杭州市西湖区西溪路556号8层B段801-11；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。