Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜江苏鼋博群智能技术有限公司田青获国家专利权

恭喜江苏鼋博群智能技术有限公司田青获国家专利权

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!

龙图腾网恭喜江苏鼋博群智能技术有限公司申请的专利基于深度特征融合网络的建筑能耗预测方法及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:CN116050579B

龙图腾网通过国家知识产权局官网在2025-04-22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:202211581188.4,技术领域涉及:G06Q10/04;该发明授权基于深度特征融合网络的建筑能耗预测方法及系统是由田青;张琦;孔军设计研发完成,并于2022-12-07向国家知识产权局提交的专利申请。

基于深度特征融合网络的建筑能耗预测方法及系统在说明书摘要公布了:本发明涉及能耗预测技术领域,公开了一种基于深度特征融合网络的建筑能耗预测方法及系统。本发明基于深度特征融合网络的建筑能耗预测方法根据设置的时间跨度将一维序列转换为二维空间的图,强化了建筑能耗序列的周期信息,且模块中嵌入了改造的多尺度卷积,有利于进一步挖掘输入序列的空间信息和时间特征。同时,将时间因素、气象因素和历史能耗序列的嵌入特征进行融合,有利于捕获各种异构因素之间的关联和它们对未来能耗的影响,从而提取影响因素中的有用信息,避免大量冗余信息对预测任务的干扰。

本发明授权基于深度特征融合网络的建筑能耗预测方法及系统在权利要求书中公布了:1.基于深度特征融合网络的建筑能耗预测方法,其特征在于,包括以下步骤:S1、对历史时间因素数据和未来时间因素数据分别进行one-hot编码,并分别生成和其中,ct表示编码后时间特征数量,li表示输入序列长度,lo表示预测序列长度;S2、对气象因素数据中的连续型变量进行归一化处理,生成对所述气象因素数据中的离散型变量进行one-hot编码,生成其中,cs和cd分别表示连续气象特征数量和离散气象特征数量;S3、将Th、Tf、Ws、Wd分别输入特征嵌入网络,并分别生成时间嵌入特征fth、时间嵌入特征ftf、气象嵌入特征fws和气象嵌入特征fwd;S4、对历史能耗序列数据进行归一化处理,生成历史能耗序列E;S5、根据不同的时间跨度k,将历史能耗序列E转换为二维空间上不同尺寸的图,然后将转换的图送入多尺度卷积网络进行特征提取,最后通过加权合并操作,计算生成能耗嵌入特征fe;根据不同的时间跨度k和预设图高H,对历史能耗序列E进行二维转换生成图G;然后,将基于不同时间跨度生成的G分别送入由1×1卷积层、3×3卷积层和池化层构成的多尺度卷积网络,其中池化层由平均池化层和最大池化层组成;所述对历史能耗序列E进行二维转换生成图G,如下:G[i,:]=E[i×k:i×k+W]其中,W=li-H+1为二维图的宽度,且i×k+W≤li;转换过程中使用滑动窗口对序列进行遍历,时间跨度决定了二维图中每行数据之间的间隔,也即相隔的时间差;S6、连接特征fth、ftf、fws、fwd、fe,并使用神经网络的线性层进行特征融合,得到特征F;S7、设置可训练权重参数,将历史能耗序列E与特征F进行加权相加,然后输入多层感知机,得到最终的预测结果。

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苏鼋博群智能技术有限公司,其通讯地址为:214026 江苏省无锡市滨湖区锦溪路99号B区3单元1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”。

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。