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：安徽大学
摘要：本发明涉及时间序列分析及温度预测技术领域，具体涉及一种改进LSTM结合注意力机制的酒曲窖池温度预测方法，包括如下步骤：S1数据收集、S2数据预处理、S3数据集划分、S4模型训练与优化、S5性能评估、S6部署与反馈。本发明采用改进LSTM结合注意力机制模型对温度时间序列数据进行处理和预测，在不影响模型精度的前提下提高计算速度，进一步提高模型预测精度与稳定性，预测模型具有较好的温度变化预测能力和广泛的适用性，提高了计算效率，更适合酒曲窖池温度变化的预测，提高酒曲发酵过程的温度监测效率，保障酒曲品质，提高酒曲生产环节的数字化管理程度。
主权项：1.一种改进LSTM结合注意力机制的酒曲窖池温度预测方法，其特征在于，包括如下步骤：S1数据收集：从自动化控制系统、传感器记录收集窖池数据，并实时进入连续波动模式CFPR分析模块，连续波动模式CFPR分析模块用于检测异常波动；S2数据预处理：对原始数据集的特征数据进行数据清洗，即去除异常值，处理缺失值，然后对数据进行归一化处理来适应模型的输入要求；S3数据集划分：按照所设定的训练集、验证集和测试集划分比率，对步骤S2中已处理的数据进行自适应时间感知抽样ATAS，得到训练集、验证集与测试集；S4模型训练与优化：使用步骤S3中所述训练集训练改进LSTM结合注意力机制模型，并通过监控训练和验证损失，调整学习率、批次大小参数，找到最佳的模型配置；S5性能评估：利用测试集评估模型的预测性能，模型性能的评估指标包括加权均方误差WMSE、动态时间规整距离DTW和连续误差累积CEA，根据评估结果反馈，进一步调整模型结构或参数；S6部署与反馈：将训练好的模型部署到生产环境中，接收预测请求，利用模型进行预测服务，监控模型，实施增量式反馈学习IFL，收集实时数据反馈给模型，优化模型，进行模型的微调，不断优化模型结构和参数。
全文数据：
权利要求：
百度查询： 安徽大学 一种改进LSTM结合注意力机制的酒曲窖池温度预测方法
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