(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110141485.6 (22)申请日 2021.02.02 (65)同一申请的已公布的文献号 申请公布号 CN 113779859 A (43)申请公布日 2021.12.10 (73)专利权人 北京瑞莱智慧科技有限公司 地址 100084 北京市海淀区清华科技园科 技大厦B座18层 (72)发明人 潘庆一　胡文波　 (74)专利代理 机构 北京箴思知识产权代理有限 公司 11913 代理人 李春晖 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (56)对比文件 CN 110942101 A,2020.0 3.31 CN 111898318 A,2020.1 1.06 CN 111209370 A,2020.0 5.29 CN 1015410 30 A,2009.09.23 CN 106777874 A,2017.0 5.31 AU 2002228814 A1,20 02.07.25 US 2014049647 A1,2014.02.20 CN 110889560 A,2020.0 3.17 熊有成 等.长短期记 忆网络预测混沌时间 序列. 《中国科 学： 物理学 力学 天文学》 .2019, 正文第2- 3节. 审查员 王宇莉 (54)发明名称 可解释的时序预测模 型的训练方法、 装置和 计算设备 (57)摘要 本发明的实施方式提供了一种可解释的时 序预测模型的训练方法、 装置、 介质和计算 设备。 该方法包括： 对获取的时间序列数据进行数据处 理， 得到所述时间序列数据对应的序列图； 通过 所述可解释的时序预测模型对所述序列图建模， 得到所述序列图对应的预测结果； 基于真实值和 所述预测结果， 以使所述可解释的时序预测模型 的预测精度提升为目的训练所述可解释的时序 预测模型。 本发 明能够通过可解释的时序预测模 型对序列图中多维度的数据以及具有时间顺序 的时间序列数据进行计算， 从而输出预测结果， 以及基于预测结果和真实值可以对模型进行训 练， 以使模型可以输出更加准确的预测结果， 也 提升了可解释的时序预测模型的预测性能。 权利要求书3页 说明书13页 附图3页 CN 113779859 B 2022.04.05 CN 113779859 B 1.一种可解释的时序 预测模型的训练方法， 应用于预测太阳能发电站的发电功率的应 用场景中， 所述方法包括： 对获取的时间序列数据进行数据处理， 得到所述 时间序列数据对应的序列图， 其中， 所 述时间序列数据为连续时间段的太阳能发电站的发电功率； 通过所述可解释的时序预测模型对所述序列图建模， 得到所述序列图对应的预测结 果； 基于真实值和所述预测结果， 以使所述可解释的时序预测模型的预测精度提升为目的 训练所述可解释的时序预测模型； 其中， 所述预测精度指示预测到的所述太阳能发电站的 发电功率； 其中， 所述可解释的时序预测模型包括显著性模块， 通过所述可解释的时序预测模型 对所述序列图建模， 得到所述序列图对应的预测结果， 包括： 将所述序列图确定为原 始序列图； 通过所述显著性模块将扰动区域与所述原 始序列图相结合， 得到第一扰动序列图； 通过所述显著性模块对所述原始序列图和所述第 一扰动序列图进行计算， 得到第 二扰 动序列图； 对所述第二扰动序列图和所述原 始序列图建模得到所述序列图对应的预测结果； 所述基于真实值和所述预测结果， 以使所述可解释的时序 预测模型的预测精度提升为 目的训练所述可解释的时序预测模型之后， 还 包括： 获取任意序列图； 基于所述序列图中的各个特征， 更新所述扰动 区域的关注范围， 以得到所述序列图对 应的序列显著图； 其中， 所述序列图对应的序列显著图用于对各特征对所述预测结果的动 态影响进行解释。 2.根据权利要求1所述的可解释的时序预测模型的训练方法， 对获取的时间序列数据 进行数据处理， 得到所述时间序列数据对应的序列图的方式具体为： 对获取的时间序列 数据根据时间轴滑动窗口进行处理， 得到所述 时间序列 数据对应的 序列图。 3.根据权利要求2所述的可解释的时序预测模型的训练方法， 所述可解释的时序预测 模型还包括深度学习模块和线性回归模块， 对所述第二扰动序列图和所述原始序列图建模 得到所述序列图对应的预测结果， 包括： 将所述第二扰动序列图输入所述深度学习模块， 得到第一预测结果； 将所述原 始序列图输入所述线性回归 模块， 得到第二预测结果； 将所述第一预测结果和所述第二预测结果组合， 得到所述序列图对应的预测结果。 4.根据权利要求3所述的可解释的时序预测模型的训练方法， 基于真实值和所述预测 结果， 以使所述可解释的时序预测模型的预测精度提升为目的训练所述可解释的时序预测 模型， 包括： 对真实值和所述预测结果进行计算， 得到所述真实值和所述预测结果之间的偏差； 基于加入范 数的损失函数， 以使所述损失函数对所述扰动区域的复杂性进行约束； 基于所述扰动区域和所述偏差， 以使所述可解释的时序 预测模型的预测精度提升为目 的训练所述可解释的时序预测模型。权　利　要　求　书 1/3 页 2 CN 113779859 B 25.一种可解释的时序 预测模型的训练装置， 应用于预测太阳能发电站的发电功率的应 用场景中， 所述装置包括： 处理单元， 用于对获取的时间序列数据进行数据处理， 得到所述时间序列数据对应的 序列图， 其中， 所述时间序列数据为连续时间段的太阳能发电站的发电功率； 建模单元， 用于通过所述可解释的时序预测模型对所述序列图建模， 得到所述序列图 对应的预测结果； 训练单元， 用于基于真实值和所述预测结果， 以使所述可解释的时序预测模型的预测 精度提升为 目的训练所述可解释的时序预测模型； 其中， 所述预测精度指示预测到的所述 太阳能发电站的发电功率； 所述可解释的时序预测模型包括显著性模块， 所述建模单 元包括： 确定子单元， 用于将所述序列图确定为原 始序列图； 结合子单元， 用于通过所述显著性模块将扰动 区域与所述原始序列图相结合， 得到第 一扰动序列图； 第一计算子单元， 用于通过所述显著性模块对所述原始序列图和所述第 一扰动序列图 进行计算， 得到第二扰动序列图； 建模子单元， 用于对所述第 二扰动序列图和所述原始序列图建模得到所述序列图对应 的预测结果； 所述装置还 包括： 获取单元， 用于在所述训练单元基于真实值和所述预测结果， 以使所述可解释的时序 预测模型的预测精度提升为目的训练所述可解释的时序预测模型之后， 获取任意序列图； 更新单元， 用于基于所述序列图中的各个特征， 更新所述扰动区域的关注范围， 以得到 所述序列图对应的序列显著图； 其中， 所述序列图对应的序列显著图用于对各特征对所述 预测结果的动态影响进行解释。 6.根据权利要求5所述的可解释的时序预测模型的训练装置， 处理单元对获取的时间 序列数据进行 数据处理， 得到所述时间序列数据对应的序列图的方式具体为： 对获取的时间序列 数据根据时间轴滑动窗口进行处理， 得到所述 时间序列 数据对应的 序列图。 7.根据权利要求6所述的可解释的时序预测模型的训练装置， 所述可解释的时序预测 模型还包括深度学习模块和线性回归 模块， 所述建模子单 元包括： 建模模块， 用于将所述第二扰动序列图输入所述深度学习模块， 得到第一预测结果； 所述建模 模块， 还用于将所述原 始序列图输入所述线性回归 模块， 得到第二预测结果； 组合模块， 用于将所述第一预测结果和所述第二预测结果组合， 得到所述序列图对应 的预测结果。 8.根据权利要求7 所述的可解释的时序预测模型的训练装置， 所述训练单 元包括： 第二计算子单元， 用于对真实值和所述预测结果进行计算， 得到所述真实值和所述预 测结果之间的偏差； 约束子单元， 用于基于加入范数的损 失函数， 以使所述损 失函数对所述扰动 区域的复 杂性进行约束； 训练子单元， 用于基于所述扰动 区域和所述偏差， 以使所述可解释的时序预测模型的权　利　要　求　书 2/3 页 3 CN 113779859 B 3