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！

龙图腾网恭喜中国科学院分子细胞科学卓越创新中心;陈培;刘锐申请的专利基于自动储层神经网络的多步预测未来风速的方法和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：CN114077913B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202010818836.8，技术领域涉及：G01W1/10；该发明授权基于自动储层神经网络的多步预测未来风速的方法和系统是由陈洛南;陈培;刘锐设计研发完成，并于2020-08-14向国家知识产权局提交的专利申请。

本基于自动储层神经网络的多步预测未来风速的方法和系统在说明书摘要公布了：本发明公开了一种基于自动储层神经网络的多步预测未来风速的方法和系统，实现了未来信息的准确快速的多步预测，维持了对噪声和系统时变的较高鲁棒性并避免了过拟合问题。其技术方案为：针对短时间高维风速数据，基于延迟嵌入理论，利用时空信息转换，将观测到的高维动力学作为储层，把高维风速数据映射到目标变量的未来信息，自动储层神经网络通过求解一对共轭时空信息交互方程来实现对目标变量的多步预测。

本发明授权基于自动储层神经网络的多步预测未来风速的方法和系统在权利要求书中公布了：1.一种基于自动储层神经网络的多步预测未来风速的方法，其特征在于，方法包括：步骤1：根据输入的风速数据的特点，构建短时间高维数据，从短时间高维数据中确定需要预测的目标变量、已知时序列长度、需要预测的长度；步骤2：构建高维短时间序列矩阵、延迟嵌入矩阵、时空信息STI共轭方程，其中时空信息STI共轭方程中包含系数矩阵；步骤3：随机设置神经网络F的权重，通过将神经网络F作为水库计算的储层，更新时空信息STI共轭方程中的系数矩阵；步骤4：基于步骤2中所构建的ARNN的时空信息STI共轭方程，利用数据的编码、解码，求解时空信息STI共轭方程中的系数矩阵，并最终得到所需预测的目标变量的预测值；其中，步骤1进一步包括：给定长度为m，维度n的高维风速时间序列需要预测的目标监测站的风速y是x1,x2,…,xn个地理位置相近的风速监测站测量风速中任意一个,即y＝xk，k代表目标监测站的下标，是1～n中的任意一个；选择和目标变量y关联性最大的风速监测站变量：从高维风速时间序列Xt中选择相关变量或消除无关变量以提高ARNN的性能，对于给定的高维风速时间序列Xt，计算时间序列与{y1,y2,…,ym}的互信息，挑选出和目标变量y关联性最大的D个变量{x1,x2,…,xD}，其中，D≤n；其中，步骤2进一步包括：对于如下的D个相关变量所组成的高维风速时间序列矩阵Xt 通过随机给定的神经网络F的处理，将矩阵Xt转换成维变量得到如下的ARNN的时空信息STI共轭方程： 其中，YL×m是延迟嵌入矩阵，IL×L是单位矩阵，系数矩阵是未知的，未来信息是目标监测站的风速y，即{ym+1,ym+2,…,ym+L-1}；构建延迟嵌入矩阵如下： 其中，L为延迟嵌入的个数，L-1就是预测的步数；其中，步骤3进一步包括：从随机选择k个变量，其中，解如下方程： 其中，是系数矩阵的一个子矩阵，是系数矩阵的一个子矩阵；通过如下准则更新系数矩阵如果初始元素bij为空，直接用方程[FX1FX2…FXm]k×m中的解替换掉bij；如果初始元素bij不为空，令

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中国科学院分子细胞科学卓越创新中心;陈培;刘锐，其通讯地址为：200031 上海市徐汇区岳阳路320号35号楼；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”。