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：哈尔滨工业大学(威海)
摘要：本发明提供了一种基于相关矩阵的风速预测混合模型构建方法及系统，涉及气象预测技术领域。包括以下步骤：S1：将时序风速数据通过滑动时间窗口采样得到子数据组，以子数据组构建风速相关矩阵；S2：通过多尺度特征增强卷积网络提取风速特征，生成包含风速信息的下采样特征图；S3：通过随机森林的特征选择方法筛选最优特征子集；S4：通过双向长短期记忆网络进行序列分析，输出风速预测结果。本发明所提供的基于相关矩阵的风速预测混合模型通过多尺度特征增强卷积网络识别风速数据的长期依赖关系和周期性模式，将传统卷积网络中的一个卷积层替换为选择性卷积核网络，通过其特有的可选择性内核网络结构，能够更好地适应风速数据的动态特性与复杂性。
主权项：1.一种基于相关矩阵的风速预测混合模型构建方法，其特征在于，包括以下步骤：S1：将时序风速数据通过滑动时间窗口采样得到子数据组，将所述子数据组按列排布构建风速相关矩阵；S2：通过多尺度特征增强卷积网络提取风速特征，生成包含风速信息的下采样特征图；S3：通过随机森林的特征选择方法筛选最优特征子集；S4：通过双向长短期记忆网络进行序列分析，输出风速预测结果；所述多尺度特征增强卷积网络包括输入层、卷积层、选择性卷积核网络层和池化层；所述S2包括以下步骤：S2-1：在所述输入层对所述风速相关矩阵进行归一化处理；S2-2：在所述卷积层对归一化处理后的所述风速相关矩阵进行卷积操作，从中抽取局部特征生成特征图，将所述特征图沿通道维度堆叠形成三维特征张量，并采用批归一化进行归一化处理；S2-3：在所述选择性卷积核网络层将归一化处理后的所述三维特征张量进行分裂、融合和选择处理，生成聚合特征图；S2-4：在池化层对所述聚合特征图进行下采样，以降低所述聚合特征图的空间维度，输出下采样特征图。
全文数据：
权利要求：
百度查询： 哈尔滨工业大学(威海) 一种基于相关矩阵的风速预测混合模型构建方法及系统
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