Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 青岛科技大学崔凤英获国家专利权

青岛科技大学崔凤英获国家专利权

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!

龙图腾网获悉青岛科技大学申请的专利基于混合优化与深度学习的地源热泵空调负荷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:CN121389391B

龙图腾网通过国家知识产权局官网在2026-03-10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:202511958211.0,技术领域涉及:G06F30/18;该发明授权基于混合优化与深度学习的地源热泵空调负荷预测方法是由崔凤英;曹梦龙;郑鹏;汤启亮;刘兆金设计研发完成,并于2025-12-24向国家知识产权局提交的专利申请。

基于混合优化与深度学习的地源热泵空调负荷预测方法在说明书摘要公布了:本发明提供了基于混合优化与深度学习的地源热泵空调负荷预测方法,采用改进量子遗传算法与改进自适应差分进化算法相结合的混合优化算法,对双向长短期记忆神经网络模型的关键超参数进行动态参数调整与智能优化;构建融入残差连接与多头注意力机制的改进型BiLSTM网络,精准捕捉热惯性导致的空调负荷延迟响应特性;利用优化后的超参数训练构建的改进型BiLSTM网络;将待预测的外部参数与系统历史参数输入训练完成的模型,获得地源热泵空调负荷预测结果,为智能调控提供了高效解决方案。

本发明授权基于混合优化与深度学习的地源热泵空调负荷预测方法在权利要求书中公布了:1.基于混合优化与深度学习的地源热泵空调负荷预测方法,其特征在于,包括以下步骤: S1、采集地源热泵系统的历史运行数据与历史室外气象数据,进行数据预处将预处理后的数据划分为训练集、验证集和测试集; S2、基于混沌映射生成初始量子种群,通过对初始量子种群进行观测,得到对应的二进制种群,并计算种群中各个体的适应度值; S3、采用改进自适应差分进化算法对二进制种群执行变异与交叉操作,通过适应度值比较选择优良个体,更新种群;采用改进量子遗传算法对更新后的种群进行迭代优化,动态调整量子位旋转角度并执行量子变异,记录当前最优参数个体; 改进自适应差分进化算法的改进包括:引入历史存档机制记录成功的缩放因子与交叉概率;缩放因子通过从历史存档中随机取值并叠加自适应衰减的柯西扰动来动态生成;交叉概率基于其历史均值和方差生成的截断正态分布来动态确定; 改进量子遗传算法的改进包括:采用量子纠缠态对双向长短期记忆神经网络中前向LSTM层与后向LSTM层的参数进行协同编码;通过量子受控非门操作,确保前向与后向LSTM层的参数在优化过程中同步更新; 改进自适应差分进化算法包括: S31:随机生成初始种群,种群大小为,每个个体是D维向量, S32:加入两个历史存档和,记录过去若干代中成功个体的和值,从中随机抽取一个值,叠加柯西扰动,采用变异策略生成变异向量;基于的均值和方差生成截断正态分布;通过贪婪选择决定是否保留试验向量; S4、利用最优参数个体,构建融合残差连接与多头注意力机制的双向长短期记忆神经网络模型;使用训练集对所述双向长短期记忆神经网络模型进行训练,并利用验证集监控训练过程以保存最优模型参数; S5、将所述测试集数据输入经训练完成的双向长短期记忆神经网络模型,得到负荷预测结果,对所述预测结果进行反归一化处理,计算预测误差指标以评估模型性能。

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青岛科技大学,其通讯地址为:266061 山东省青岛市崂山区松岭路99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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。