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！

龙图腾网获悉南京信息工程大学申请的专利一种基于熵聚类的风速预测方法及系统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：CN120316484B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510807086.7，技术领域涉及：G06F18/213；该发明授权一种基于熵聚类的风速预测方法及系统是由陈奎状;王聚杰;陈增设计研发完成，并于2025-06-17向国家知识产权局提交的专利申请。

本一种基于熵聚类的风速预测方法及系统在说明书摘要公布了：本发明涉及风速预测技术领域，具体为一种基于熵聚类的风速预测方法及系统，包括以下步骤：通过排列熵算法对风速序列进行多尺度分解生成子序列，对多子序列进行滑动窗口概率分布计算，基于归一化熵值设定动态分类阈值，将子序列集合划分为熵分类结果集合。本发明通过滑动窗口概率分布动态设定分类阈值，克服固定熵值划分对数据复杂度变化的敏感性，GRU训练建立原始序列与熵分量间非线性映射，增强特征提取深度，低分量误差传递，高中低熵分量分别用Bi‑RNN、LSTM与SVR建模，匹配不同复杂度特征提取，混沌映射优化融合权重，多目标寻优平衡分量互补性，动态误差基准结合反馈调整置信区间，实现误差分布自适应跟踪，增强预测可靠性。

本发明授权一种基于熵聚类的风速预测方法及系统在权利要求书中公布了：1.一种基于熵聚类的风速预测方法，其特征在于，包括以下步骤： S1：通过排列熵算法对训练集风速序列进行多尺度分解生成子序列集合，对多子序列进行滑动窗口概率分布计算，基于归一化熵值设定动态分类阈值，将子序列集合划分为熵分类结果集合； S2：将训练集原始风速序列与所述熵分类结果集合输入至GRU网络进行门控状态参数训练，生成分量映射模型，将测试集原始风速序列输入所述分量映射模型输出测试集熵分量集合； S3：将所述测试集熵分量集合中高熵分量输入双向门控循环单元生成高熵预测结果，中熵分量输入长短期记忆模型生成中熵预测结果，低熵分量输入支持向量回归模型生成低熵预测结果，基于熵值比例分配初始权重，采用混沌映射算法迭代优化权重参数，对三类预测结果进行加权叠加生成风速点预测结果； 所述熵分类结果集合具体为高熵子序列类别、中熵子序列类别、低熵子序列类别，所述测试集熵分量集合包括高熵分量、中熵分量、低熵分量，所述风速点预测结果具体指高熵预测结果、中熵预测结果、低熵预测结果及优化后的权重参数叠加值； 所述归一化熵值通过线性映射公式计算，其中，代表当前窗口排列熵的归一化值，代表第i个滑动窗口的排列熵值，代表所有滑动窗口中排列熵值的最大值，代表所有滑动窗口中排列熵值的最小值，动态分类阈值为映射后熵值分布密度曲线的二阶导数极值点对应的坐标值，其中，该极值点代表密度变化最显著的位置，作为分类边界进行类别划分； 所述动态分类阈值为映射后熵值分布密度曲线的二阶导数极值点对应的坐标值； 所述GRU网络包含输入层、隐藏层及输出层，输入层神经元数量等于风速序列时间步长，隐藏层为2层且每层包含128个神经元，输出层神经元数量为32个； 所述混沌映射算法采用Logistic映射函数生成随机序列，其中，为第n次迭代的混沌序列值，为第n+1次迭代的混沌序列值，适应度函数采用均方误差形式，即，其中，表示预测结果均方误差，为样本数量，为第j个真实风速值，为第j个预测风速值，梯度下降法更新权重扰动幅度，权重优化时，初始权重依据熵值比例进行分配，最终通过多次迭代优化，获得收敛的最优权重参数。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市江北新区宁六路219号；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”。