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：郑州大学
摘要：本发明公开了一种基于Transformer和迁移学习的风功率智能预测方法。该方法的技术步骤如下：1缺失值填补：利用去噪自编码器填补原始风功率数据中存在的缺失值；2特征选择：通过非线性特征选择算法剔除模型输入集中的冗余特征；3预测模型构建：构建了融合多头注意力机制和堆叠式卷积神经网络的Transformer预测模型；4模型优化：基于Adam优化算法对Transformer模型进行参数寻优；5迁移学习：基于共享参数型迁移学习策略，实现源域预测模型‑目标域预测模型之间的关键信息迁移。本发明利用特征选择算法和多头注意力机制能够进一步提升预测模型的可解释性，同时基于所提出的共享参数型迁移学习框架可提高目标域风功率的预测精度，具有较高的实际应用潜力。
主权项：1.一种基于Transformer和迁移学习的风功率智能预测方法，其特征在于，包括：S100：收集源域和目标域中的相关数据信息，包括风功率、风速和风向；S200：为了避免原始数据中不同比例的缺失值会对预测模型的计算效率和预测精度所产生的负面影响，利用TRAE模型填补缺失值以恢复原始数据信息；S300：利用过滤式特征选择算法RReliefF对输入特征的重要性进行排序，剔除其中的冗余特征，从而进一步提高风功率预测模型的泛化能力和可解释性；S400：利用融合多头注意力机制和堆叠式卷积神经网络的Transformer模型进行风功率预测；S500：设定MAE为损失函数，利用Adam优化算法更新Transformer模型的参数，并获得最优参数集；S600：基于参数共享型迁移学习策略，实现源域和目标域之间的关键信息迁移，具体而言，将在源域上获得的Transformer模型的参数集作为目标域上Transformer模型的参数初始值；S700：在目标域上对Transformer模型进一步训练，利用训练好的Transformer模型进行风功率预测，获得最终的风功率预测结果。
全文数据：
权利要求：
百度查询： 郑州大学 一种基于Transformer和迁移学习的风功率智能预测方法
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