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！

龙图腾网获悉安徽建筑大学申请的专利一种基于小波实时分解与iTransformer模型的供水管网单节点流量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：CN120234615B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202510370855.1，技术领域涉及：G06F18/214；该发明授权一种基于小波实时分解与iTransformer模型的供水管网单节点流量预测方法是由谢陈磊;王介;蒋婷婷;陈涛;汪明月;方潜生;杨亚龙;李善寿;朱徐来设计研发完成，并于2025-03-27向国家知识产权局提交的专利申请。

本一种基于小波实时分解与iTransformer模型的供水管网单节点流量预测方法在说明书摘要公布了：本发明属于供水管网水需求预测技术领域，具体涉及一种基于小波实时分解与iTransformer模型的供水管网单节点流量预测方法，该方法首先获取供水管网中所有节点的历史流量数据，通过相关系数法筛选相似节点簇；然后，利用滑动窗口和小波分解技术将流量数据分解为局部近似分量和细节分量，并对单节点数据进行整体小波分解；接着，构建单特征和多特征iTransformer模型，分别对近似分量和细节分量进行预测；最后，将预测结果求和得到单节点流量预测值。该方法提高了供水管网流量预测的准确性和适应性，有效解决了现有技术中数据泄漏和预测精度有限的问题，适用于供水管网水需求预测技术领域。

本发明授权一种基于小波实时分解与iTransformer模型的供水管网单节点流量预测方法在权利要求书中公布了：1.一种基于小波实时分解与iTransformer模型的供水管网单节点流量预测方法，其特征在于，所述方法包括如下步骤： S1、获取供水管网中所有节点的历史流量数据； S2、选取一个单节点，并计算该节点与其他节点的相关性，得到相似节点簇； S3、将所述相似节点簇内的流量数据划分为训练集和测试集； S4、利用滑动窗口和小波分解技术对训练集和测试集进行分解，得到所有节点的局部近似分量和细节分量，并对训练集中单节点的数据进行整体小波分解，得到单节点整体近似分量和整体细节分量； S5、构建单特征iTransformer模型，以所述训练集中单节点的局部和整体近似分量作为训练样本输入，对近似分量进行预测；以及构建多特征iTransformer模型，以所述训练集中所有节点的局部细节分量和单节点的整体细节分量作为训练样本输入，对细节分量进行预测； S6、将近似分量预测值和细节分量预测值求和，得到单节点的流量预测值； 步骤S4包括： S401、定义长度为l的滑动窗口，利用所述滑动窗口在相似节点簇内所有节点的训练集、测试集上分别获取多组数据； S402、采用db2基小波并确定其低通滤波系数、高通滤波系数； S403、执行卷积运算，计算每一组数据的近似分量和细节分量；其中表示卷积运算中输入信号的当前位置索引，表示滤波系数的索引，表示卷积运算； S404、对近似分量和细节分量执行下采样，公式包括： ； 其中表示下采样后的索引； S405、执行上述S402‑S404一次分解后，得到所有节点的局部近似分量和细节分量，以及单节点整体近似分量和整体细节分量； 步骤S5中，所述构建单特征iTransformer模型，以所述训练集中单节点的局部和整体近似分量作为训练样本输入，对近似分量进行预测，包括： S501、构建包括依次连接的嵌入层、编码层和投影层的单特征神经网络模型； S502、将训练集中单节点的局部近似分量作为训练样本输入，单节点的整体近似分量作为训练样本标签，训练单特征神经网络模型； S503、将所述测试集中单节点的局部近似分量输入到训练好的单特征神经网络模型中，得到所述单节点的近似分量预测值。

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安徽建筑大学，其通讯地址为：230000 安徽省合肥市经济技术开发区紫云路292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。