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：浙江理工大学
摘要：本发明公开了一种基于ReliefF特征选择和SSA‑CNN‑BiLSTM的空调冷负荷预测方法，包括以下步骤，1进行用于ReliefF特征选择的空调冷负荷影响因子的数据实测；2利用ReliefF算法对空调冷负荷影响因子进行特征选择；3进行用于麻雀搜索算法优化卷积神经网络结合双向长短时记忆网络的空调冷负荷预测的样本数据实测；4对训练样本进行学习训练；5将经过特征选择后的冷负荷影响因子作为输入参数，空调冷负荷作为SSA‑CNN‑BiLSTM网络的输出，进行空调冷负荷预测。本发明解决了传统冷负荷预测方法中准确性不足的问题，为空调冷负荷预测提供了一种新的方法。
主权项：1.一种基于ReliefF特征选择和SSA-CNN-BiLSTM的空调冷负荷预测方法，其特征在于，包括以下步骤：步骤一：进行用于ReliefF特征选择的空调冷负荷影响因子的数据实测；步骤二：利用ReliefF算法对空调冷负荷影响因子进行特征选择；步骤三：进行用于SSA-CNN-BiLSTM的空调冷负荷预测的样本数据实测；步骤四：利用Matlab软件构建SSA-CNN-BiLSTM网络对训练样本进行学习训练；步骤五：利用Matlab软件将经过特征选择后的冷负荷影响因子作为SSA-CNN-BiLSTM网络的输入参数，空调冷负荷作为SSA-CNN-BiLSTM网络的输出，进行空调冷负荷预测。
全文数据：
权利要求：
百度查询： 浙江理工大学 一种基于ReliefF特征选择和SSA-CNN-BiLSTM的空调冷负荷预测方法
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