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！

申请/专利权人：南京信息工程大学

摘要：本发明公开了一种基于分布式存储自适应OATS‑AJSA改进GRU湿度预测方法，具体为：获取历史多要素气象数据并分布式存储在MinIO数据库中；利用孤立森林方法识别多要素气象数据集中的异常值，并对异常值进行替换；采用t‑SNE方法对替换后的数据集进行降维，得到降维后的数据集，对降维后的数据集进行归一化得到归一化数据集；建立OATS‑AJSA‑GRU湿度预测模型，利用OATS‑AJSA优化算法对GRU中的超参数进行寻优，得到寻优后的超参数；将寻优后的超参数和归一化数据集放入GRU进行预测，得到湿度预测结果。本发明在湿度预测方面实现了更高的准确性、稳定性和效率，同时具备自动化超参数优化和广泛的实际应用潜力。

主权项：1.基于自适应OATS-AJSA改进GRU湿度预测方法，其特征在于，包括如下步骤：步骤1，获取历史多要素气象数据，并分布式存储在MinIO数据库中；步骤2，从MinIO数据库中提取多要素气象数据作为预测数据集，利用孤立森林方法识别预测数据集中的异常值，并采用线性插值方法对异常值进行替换，得到替换后的数据集；步骤3，采用t分布-随机邻近嵌入方法对经步骤2得到的替换后的数据集进行降维，得到降维后的数据集，对降维后的数据集进行归一化得到归一化数据集；步骤4，建立OATS-AJSA-GRU湿度预测模型，利用OATS-AJSA优化算法对GRU中的超参数进行寻优，得到寻优后的超参数；具体过程如下：步骤41，使用正交表测试法对人工水母搜索算法的参数进行初始化，人工水母搜索算法的参数包括种群数量、搜索半径和种群初始化策略；步骤42，将GRU的超参数作为水母，每次迭代使用交叉熵损失函数计算水母的适应度值，将适应度值最高的水母位置作为当前迭代水母种群最优个体位置；适应度值的计算公式如下： 其中，Li,l,d,h表示交叉熵损失函数，i是迭代次数，l是学习率，d是dropout比例，h是隐藏层神经元个数，N是样本数量，yi表示第i个样本的实际标签，表示模型对第i个样本的预测概率，F表示适应度；步骤43，引入时间控制机制判断当前迭代水母进入洋流阶段或者水母群阶段，即： 其中，Ct表示时间控制机制的控制函数，t表示当前迭代次数，rand0,1表示0到1之间的随机数，tmax表示初始设定的最大迭代次数；使用自适应调整方法动态调整最大迭代次数，公式如下： 其中，trem表示剩余迭代次数，tmin表示最小迭代次数；步骤44，根据时间控制函数进行判断，若Ct≥0.5则水母进入洋流阶段，并根据以下公式更新个体位置：Xit+1＝Xit+rand0,1×X*-σ×rand0,1×μ其中，Xit+1表示第i只水母更新后的位置，Xit表示第i只水母当前迭代位置，X*表示当前迭代水母种群中最优个体位置，σ是分布系数，σ＝3，μ表示种群中所有水母的平均位置；若Ct0.5则水母进入水母群阶段，进一步根据rand0,1是否大于等于0.5判断水母在水母群阶段是主动运动还是被动运动，若rand0,1≥0.5，表示水母在水母群阶段是被动运动，根据以下公式更新个体位置：Xit+1＝Xit+α×rand0,1×Ub-Lb其中，α是运动系数，α＝0.1，Ub、Lb分别表示水母种群搜索空间的上界和下界；若rand0,10.5，表示水母在水母群阶段是主动运动，根据以下公式更新个体位置： 其中，表示水母的运动方向，表示水母沿运动方向移动的距离，Xjt表示从水母种群中随机挑选的第j只水母当前迭代位置，fXi、fXj分别表示第i、j只水母在当前迭代位置的适应度值；步骤45，根据clip函数修正水母位置：Xnew＝clipX,Xmin,Xmax其中，Xnew表示修正后的水母位置，Xmin、Xmax分别表示位置的最小和最大允许值；步骤46，判断当前迭代次数t与阈值常数T的大小，若当前迭代次数t小于阈值常数T，则继续迭代，否则输出超参数的最优值；步骤5，将寻优后的超参数和步骤3得到的归一化数据集放入GRU进行预测，得到湿度预测结果。

全文数据：

权利要求：

百度查询： 南京信息工程大学 基于自适应OATS-AJSA改进GRU湿度预测方法