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！

龙图腾网获悉江南大学申请的专利基于三重强化学习的电池制造能力可变权组合预测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：CN116151451B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202310153214.1，技术领域涉及：G06Q10/04；该发明授权基于三重强化学习的电池制造能力可变权组合预测方法是由王子赟;俞银泉;王艳;张俊杰;纪志成设计研发完成，并于2023-02-22向国家知识产权局提交的专利申请。

本基于三重强化学习的电池制造能力可变权组合预测方法在说明书摘要公布了：本发明公开了基于三重强化学习的电池制造能力可变权组合预测方法，属于动力电池制造预测领域。该方法针对锂电池制造能力周期性、突变性以及季节性等特征，选择相应模型分别挖掘时间序列中的线性和非线性特征构成新的组合预测模型；针对现有方法难以得到最优组合预测权重的问题，设计了双层强化学习算法求解该时间下最优权重矩阵，降低预测误差；此外，由于在不同时间点各单一预测模型的预测效果也不同，本申请融合强化学习和熵值思想，探索最优滑动窗口长度，运用滑动窗口对预测序列进行划分，并在各窗口内使用双层强化学习算法确定最优组合权重，最终构造三重强化学习电池制造能力组合预测模型，进一步提高了电池制造能力的预测精度和可靠性。

本发明授权基于三重强化学习的电池制造能力可变权组合预测方法在权利要求书中公布了：1.一种基于三重强化学习的电池制造能力可变权组合预测方法，其特征在于，所述方法包括： 步骤S1，基于LSTM、GRU和SARIMA单一预测模型构建组合预测模型，并根据t时刻前的历史生产数据，分别利用LSTM、GRU和SARIMA单一预测模型获得t时刻的预测结果 步骤S2，根据步骤S1中各单一预测模型的预测结果，设计强化学习-熵算法确定滑动窗口长度，获得最优滑动窗口长度l； 步骤S3，根据步骤S2中获得的最优窗口长度l，对单一预测序列和真实值序列Yt进行窗口划分，以k表示划分后的时间点，同时以k时间为第一个数据的窗口称为第k个窗口；记k时刻的预测结果和真实值分别为：Yk； 步骤S4，根据步骤S3划分后的窗口数据，设计第二层强化学习对LSTM预测模型和GRU预测模型进行组合权重寻优，获得最优组合权重[ωl,ωg]，并将所述最优组合权重 [ωl,ωg]赋值给窗口内的第一个时间点k，根据权重组合相加得到时间点k处的LSTM和GRU组合预测值 步骤S5，根据步骤S4得到的LSTM和GRU的最优组合结果与SARIMA预测结果共同进行第三层强化学习组合权重寻优，得到最优组合权重[ωnn,ωs]，并计算电池制造能力预测值； 步骤S6，滑动窗口向后不断更新数据，同时重复步骤S4和步骤S5对应计算当前窗口的最优组合权重，直到最后一个窗口，得到最优组合预测序列

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江南大学，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800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”。

以上内容由龙图腾AI智能生成。