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！

龙图腾网获悉成都千嘉科技股份有限公司申请的专利基于深度学习的偷盗气用户推荐方法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：CN120354248B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510846880.2，技术领域涉及：G06F18/2415；该发明授权基于深度学习的偷盗气用户推荐方法是由朱炼;赵勇;蒋晓兰;郑越;贾忠友;陈浩;彭大江;伍恒设计研发完成，并于2025-06-24向国家知识产权局提交的专利申请。

本基于深度学习的偷盗气用户推荐方法在说明书摘要公布了：本发明涉及燃气数据处理技术领域，公开了基于深度学习的偷盗气用户推荐方法，包括步骤：构建偷盗气初筛模型，筛选出初筛异常用户；所述偷盗气初筛模型包括连续零用气量指标、常规统计指标、线性拟合优度指标、离群指标；基于初筛异常用户构建数据集，用于训练深度学习模型；将用户名称和该用户的历史用气量数据输入训练好的深度学习模型，输出推荐的偷盗气用户。本发明的目的在于基于历史用气数据，提高推荐用户偷盗气行为的准确率。

本发明授权基于深度学习的偷盗气用户推荐方法在权利要求书中公布了：1.基于深度学习的偷盗气用户推荐方法，其特征在于，包括以下步骤： 步骤1，构建偷盗气初筛模型，筛选出初筛异常用户；所述偷盗气初筛模型包括连续零用气量指标、常规统计指标、线性拟合优度指标、离群指标； 所述步骤1中，通过连续零用气量指标筛选出异常用户的步骤为： 给定历史时间段T天，若一天的用气量为零，则记为一次连续零用气量；计算每个用户连续零用气量的次数zi和所有用户的连续零用气量平均次数： 其中，zi为第i个用户的连续零用气量次数，i=1,2,...,n；n为用户总数；为所有用户的连续零用气量平均次数； 根据计算零用气量段数的泊松分布，设定概率值Pzero，计算连续零用气量的次数下限Tzero： 其中，j为索引变量，取值范围为[0,100]； 将连续零用气量次数zi大于Tzero的用户作为异常用户： 其中，userzero表示异常用户的集合； 以集合userzero中的用户单日最大用气量的中位数medianuserzero为阈值，排序后至多推荐出cnt个异常用户： 其中，ui表示集合userzero中第i个用户在历史时间段里的最大单日用气量；Abnormalzero表示历史时间段的最大单日用气量大于中位数medianuserzero的用户集合； 所述步骤1中，通过常规统计指标筛选出异常用户的步骤为： 计算历史时间段里每个用户的偏度指标si： 其中，xi,t表示第i个用户在过去1年中第t天的日用气量，t=1,2,...,T；表示第i个用户在过去1年的日用气量平均值； 将偏度指标si小于0的用户作为异常用户： 其中，userstas表示异常用户的集合； 以集合userstas中的用户单日最大用气量的中位数medianuserstas为阈值，排序后至多推荐出cnt个异常用户： 其中，ui表示集合userstas中第i个用户在历史时间段里的最大单日用气量；Abnormalstas表示历史时间段里的最大单日用气量大于中位数medianuserstas的用户集合； 所述步骤1中，通过线性拟合优度指标筛选出异常用户的步骤为： 计算每个用户的拟合优度ri： 其中，yi,t表示第i个用户在第t天的实际日用气量；fi,t表示拟合模型下预测的第i个用户在第t天的日用气量；、SSreg、SStot、SSres均为中间参数； 将拟合优度ri小于等于0.95的用于作为异常用户： 其中，userfit表示异常用户的集合； 以集合userfit中的用户单日最大用气量的中位数medianuserfit为阈值，排序后至多推荐出cnt个异常用户： 其中，ui表示集合userfit中第i个用户在历史时间段里的最大单日用气量；Abnormalfit表示历史时间段里的最大单日用气量大于中位数medianuserfit的用户集合； 所述步骤1中，通过离群指标筛选出异常用户的步骤为： 计算每个用户和另一个用户用气量的余弦相似度： 其中，Similara,b表示用户a和用户b的余弦相似度；at表示用户a第t天的日用气量；bt表示用户b第t天的日用气量； 对于用户i，以其对剩余所有用户余弦相似度的最小值作为该用户的离群指标simi： 其中，simi表示第i个用户的离群指标；{Similari,n-1}表示第i个用户和剩余所有用户的余弦相似度集合； 对用户按离群指标simi进行从大到小的排序，提取前2×cnt个用户作为异常用户： 其中，usersim表示对所有用户的离群指标simi排序后，前2×cnt个用户的集合；topsimi,2×cnt表示对simi按从大到小排序后的前2×cnt个用户； 以集合usersim中的用户单日最大用气量的中位数medianusersim为阈值，排序后至多推荐出cnt个异常用户： 其中，ui表示集合usersim中第i个用户在历史时间段里的最大单日用气量；Abnormalsim表示历史时间段里的最大单日用气量大于中位数medianusersim的用户集合； 步骤2，基于初筛异常用户构建数据集，用于训练深度学习模型； 所述步骤2中，基于初筛异常用户构建数据集的步骤，包括： 假设一共有B个用户，B=n，其中被筛选出A个初筛异常用户，再通过人工查证A个初筛异常用户，查证出A个用户中有a1个为偷盗气用户，剩余a2个为正常用气用户；则将n个用户的用气量数据及其标签作为训练深度学习模型的数据集，其中a1个为正样本，a2+B-A个为负样本； 步骤3，将用户名称和该用户的历史用气量数据输入训练好的深度学习模型，输出推荐的偷盗气用户。

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成都千嘉科技股份有限公司，其通讯地址为：610211 四川省成都市双流区西南航空港空港一路一段536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”。