原创力文档摘要
电力物联网与日常生活生产的方方面面息息相关。因此，对电力物联网数据进行准
确的预测有着重大的意义。传统的电力预测方法更关注数据在时间维度的规律性。但是
电力物联网的时间序列具有不规律性、混沌性和非线性特征，导致预测难度显著增加。
单变量时间序列预测难以发掘特征空间上的信息，而多变量预测则面临变量间空间关系
难以界定的挑战。针对上述问题，本文提出融合混沌理论与深度学习模型的电力物联网
时间序列预测模型——相空间重构Transformer。相空间重构Transformer解决了单变量时
间序列
文档评论（0）