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：本发明公开了一种融合认知大模型和多模态深度学习的电解铜需求预测方法，包括:1、从金属行业网站获取电解铜需求数值数据，并通过大语言模型获取文本数据，从而构建多模态电解铜需求指标体系以及多模态电解铜需求数据集；2、构建双通道特征提取模型，并提取电解铜需求特征；3、构建多头注意力机制模型，用于融合数值特征与文本特征；4、使用凌日优化算法对模型的参数进行寻优，并得到最佳参数组合；5、利用最佳参数组合下的模型进行需求预测。本发明融合认知大模型和多模态深度学习，并对电解铜需求进行预测，从而为锂电企业制定电解铜的采购计划提供参考，以有效控制采购成本，并避免库存积压或短缺。

主权项：1.一种融合认知大模型和多模态深度学习的电解铜需求预测方法，其特征在于，包括以下步骤：步骤1、根据电解铜需求的影响因素，利用大语言模型生成电解铜需求的文本数据Q＝{q1，q2，...，qi，...，qN}，其中，qi表示第i个文本信息，N表示文本信息的数量；对qi进行词嵌入，得到词向量Wi＝[wi，1，wi，2，...，wi，p，...，wi，P}，其中，wi，p表示qi中第p个词向量，p∈[1，P]，P表示词向量的长度，从而得到Q的词向量集合W＝{W1，W2，...，Wi，...，WN}；获取电解铜需求的数值数据X＝{X1，X2，...，Xi，...，XN}，其中Xi表示第i条电解铜需求的数值数据，i∈[1，N]；构建电解铜需求的指标体系H＝{h1，h2，...，hi，...，hN}，其中，hi表示第i个指标，且其中，ki，n表示第i个指标hi中的第n个参数，n∈[1，Ni]，Ni表示hi的参数总数；步骤2、构建电解铜需求预测模型，包括：双通道特征提取模型、多头注意力机制模型以及全连接层与激活函数；步骤2.1、构建所述双通道特征提取模型，包括：BIGRU模型和CNN模型，用于提取电解铜需求的指标特征与文本特征；步骤2.2、构建多头注意力机制模型，用于融合指标特征与文本特征，得到融合特征RF：步骤2.3、融合特征RF依次经过全连接层和激活函数的处理后，得到电解铜需求的预测值；步骤3、以Xi及其电解铜需求预测值构建适应度函数，利用凌日优化算法对所述电解铜需求预测模型的参数组合Fr＝F,α进行参数优化，从而得到最优参数组合用于构建最优电解铜需求预测模型，并用于预测电解铜需求，其中，F表示卷积核尺寸，α表示神经元个数，F*表示最优卷积核尺寸，α*表示最优神经元个数。

全文数据：

权利要求：

百度查询： 安徽大学 融合认知大模型和多模态深度学习的电解铜需求预测方法