一种基于多任务时序学习的工业原料消耗量预测方法

摘要

本发明提供一种基于多任务时序学习的工业原料消耗量预测方法，该方法首先获取所有原料的历史消耗量时间序列集合作为模型的输入，并对原始单时序集合进行聚类，进一步将原料分为具正相关或负相关关系的不同组，作为预测模型的先验约束。然后，本专利基于多任务学习思想，构建预测远期和近期未来发展趋势的辅助任务，基于神经网络的预测模型针对所有任务充分提取时间序列的空间和时间维度特征，在此过程中共享不同任务之间学习到的数据特征，以帮助主任务融合更多的时序信息，并基于组合模型思想结合自回归模型预测各种原料在未来一段时间内的消耗量。