(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210920203.7 (22)申请日 2022.08.01 (71)申请人 上海图灵智算 量子科技有限公司 地址 201203 上海市浦东 新区芳春路40 0号 1幢3层 申请人 图灵智算 量子科技 （北京） 有限公司 (72)发明人 马弘立　 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 40/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 10/00(2022.01) (54)发明名称 基于QGRU的标的物目标参数预测方法及装 置 (57)摘要 本发明公开了一种基于QGRU的标的物目标 参数预测方法及装置， 标的物目标参数的预测方 法包括： 获取标的物的一段时间内的数据集， 并 设定训练数据集和测试数据集； 将训练数据集输 入预设的量子门控循环神经网络， 达到收敛状态 时完成训练， 保存量子门控循环神经网络的参 数， 生成标的物目标参数预测模型； 将测试数据 集输入， 标的物目标参数预测模型输出预测值。 获取标的物在过去某段时间内的数据集， 从而可 以获得标的物相关参数的时间序列数据。 数据集 划分为训练数据集和测试数据集， 并将训练数据 集输入量子门控循环神经网络， 达到收敛状态后 保存参数， 生成标的物目标参数预测模型。 最后 将测试数据集输入， 标的物目标参数预测模型给 出预测值。 权利要求书2页 说明书6页 附图3页 CN 115375346 A 2022.11.22 CN 115375346 A 1.一种基于QGRU的标的物目标参数预测方法， 其特征在于， 所述标的物目标参数的预 测方法包括： 获取所述标的物的一段时间内的数据集， 将至少部分所述数据集设定为训练数据集和 测试数据集； 将所述训练数据集输入预设的量子门控循环神经网络， 所述量子门控循环神经网络达 到收敛状态时， 所述量子门控循环神经网络完成训练， 保存所述量子门控循环神经网络的 参数， 生成标的物目标参数 预测模型； 将所述测试数据集输入所述目标参数预测模型， 所述标的物目标参数预测模型输出所 述标的物目标参数的预测值。 2.如权利要求1所述的基于QGRU的标的物目标参数预测方法， 其特征在于， 所述量子门 控循环神经网络包括隐藏层， 所述隐藏层用于对输入的数据提取特征， 所述隐藏层包括若 干通信连接的量子门控循环单 元， 所述量子门控循环单 元用于处 理输入数据。 3.如权利要求2所述的基于QGRU的标的物目标参数预测方法， 其特征在于， 所述量子门 控循环单元包括量子重置门， 所述重置门包括通信连接的第一变分量子电路和 第一激活函 数， 输入的数据经 所述第一变分量子电路提取 特征并传输 至所述第一激活函数； 和/或， 所述量子门控循环单元包括量子更新门， 所述更新门包括通信连接的第 二变分 量子电路和第二激活函数， 输入的数据经所述第二变分量子电路提取特征并传输至所述第 二激活函数； 和/或， 所述量子门控循环单元包括量子输出部， 所述量子输出部包括通信连接的第三 变分量子电路和 第三激活函数， 输入的数据经所述第三变分量子电路提取特征并传输至所 述第三激活函数。 4.如权利要求1所述的基于QGRU的标的物目标参数预测方法， 其特征在于， 所述数据集 包括标的物在一段时间内按时间顺序阵列的开盘价、 收盘价、 成交量、 收益率的一种或多 种。 5.如权利要求1所述的基于QGRU的标的物目标参数预测方法， 其特征在于， 所述标的物 目标参数预测模型用于预测股票的收盘价， 预测股票的收盘价上涨， 所述标 的物目标参数 预测模型的输出值为1； 预测股票的收盘价下跌， 所述标的物目标参数预测模型的输出值为 0。 6.如权利要求1所述的基于QGRU的标的物目标参数预测方法， 其特征在于， 所述量子门 控循环神经网络还包括输入层和输出层， 所述量子门控循环神经网络的 隐藏层设于所述输 入层和所述输出层之间， 所述输入层用于接 收所述训练数据集或所述测试数据集， 并将接 收的数据传输至所述隐藏层； 所述输出层用于接收所述隐藏层提取的特征数据并最终输 出。 7.如权利要求6所述的基于QGRU的标的物目标参数预测方法， 其特征在于， 所述量子门 控循环神经网络未达 到收敛状态之前， 调整所述 量子门控循环神经网络的参数。 8.一种标的物目标参数的预测装置， 其特征在于， 所述标的物目标参数的预测装置用 于执行如权利要求1 ‑7中任意一项所述的标的物目标参数 的预测方法， 所述标的物目标参 数的预测装置包括： 数据获取模块， 所述数据获取模块用于获取标的物的一段时间内的数据集， 并将至少权　利　要　求　书 1/2 页 2 CN 115375346 A 2部分所述数据集设定为训练数据集和 测试数据集； 量子门控循环神经网络运算模块， 所述量子门控循环神经网络运算模块接收并处理所 述训练数据集， 所述 量子门控循环神经网络运 算模块达 到收敛状态时保存参数； 所述量子门控循环神经网络运算模块还用于输入所述测试数据集， 以输出所述标的物 目标参数的预测值。 9.如权利要求8所述的标的物目标参数的预测装置， 其特征在于， 所述量子门控循环神 经网络运算模块包括量子隐藏部， 所述量子隐藏部用于对输入的数据提取特征， 所述量子 隐藏部包括若干通信连接的量子门控循环单元， 所述量子门控循环单元用于处理输入数 据。 10.如权利要求9所述的标的物目标参数的预测装置， 其特征在于， 所述量子门控循环 神经网络运算模块还包括输入部、 输出部及优化部， 所述量子隐藏部设于所述输入部与所 述输出部之间， 所述输入部用于接收外部数据， 并将所述数据传输至所述量子隐藏部； 所述 输出部用于接 收所述量子隐藏部的数据， 并转换为最终输出值， 所述优化部用于判断输出 值与实际值之间的差异， 并相应地调整量子门控循环神经网络运 算模块的参数。权　利　要　求　书 2/2 页 3 CN 115375346 A 3