龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：中通服咨询设计研究院有限公司
摘要：本发明公开了一种基于二次分解的深度学习高波动短期负荷预测方法，包括：采集电信网络业务流量数据，作为原始负荷序列；完成对原始负荷序列的第一次分解；计算每个IMF序列的样本熵，进行聚类得到联合固有模态函数；对所有的联合固有模态函数中复杂度最高的联合固有模态函数进行二次分解；将二次分解结果输入矩阵化长短时记忆网络，得到复杂度最高的联合固有模态函数的预测结果；将其余的联合固有模态函数输入向量化长短时记忆网络，得到各联合固有模态函数的预测结果；将所有联合固有模态函数的预测结果进行叠加，得到最终的预测结果，即电信网络业务流量的预测结果，至此完成基于二次分解的深度学习高波动短期负荷预测。
主权项：1.一种基于二次分解的深度学习高波动短期负荷预测方法，其特征在于，包括如下步骤：步骤1，采集电信网络业务流量数据，并设置采集数据的时间分辨率和范围，作为原始负荷序列；通过完整自适应噪声集成经验模态分解算法将原始负荷序列分解为K个固有模态函数IMF序列，完成对原始负荷序列的第一次分解；步骤2，计算每个IMF序列的样本熵，用于衡量IMF序列的复杂程度，根据样本熵结果进行聚类，得到n+1个联合固有模态函数Co-IMF；步骤3，对所有的联合固有模态函数Co-IMF中复杂度最高的联合固有模态函数Co-IMF0进行二次分解；步骤4，将步骤3中的二次分解结果输入矩阵化长短时记忆网络，得到复杂度最高的联合固有模态函数Co-IMF0的预测结果；将其余的联合固有模态函数输入向量化长短时记忆网络，得到各联合固有模态函数Co-IMF的预测结果；步骤5，将步骤4中得到的所有联合固有模态函数Co-IMF的预测结果进行叠加，得到最终的预测结果，即电信网络业务流量的预测结果，至此完成基于二次分解的深度学习高波动短期负荷预测。
全文数据：
权利要求：
百度查询： 中通服咨询设计研究院有限公司 一种基于二次分解的深度学习高波动短期负荷预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号