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：合肥工业大学;安徽大学

摘要：本发明公开了一种基于多特征融合深度神经网络的焦炭需求预测方法，包括：1、对焦炭需求的数值型数据集进行预处理；2、对焦炭需求的文本型数据集进行预处理；3、通过Transformer对特征进行预提取；4、利用GRU、BiGRU、BiLSTM进行特征提取；5、将提取的特征融合后进行需求预测。本发明能实现焦炭需求的准确预测，不仅为采购人员的生产和采购规划提供了强有力的决策支持，还最大化地提升了生产资源的有效使用，从而帮助企业在降低成本的同时提高效率。

主权项：1.一种基于多特征融合深度神经网络的焦炭需求预测方法，其特征在于，是按如下步骤进行：步骤1、对焦炭需求的数值型指标集合P进行预处理，得到模态特征集合IMF；步骤2、对焦炭需求的文本型数据集进行预处理，得到总词向量集合X”；步骤3、将数值型指标集合P、模态特征集合IMF和分配权重后的总词向量集合X”进行拼接后，得焦炭需求输入数据集R＝{P,IMF,X”}；步骤4、构建由Transformer网络、特征提取模型和全连接层构成的多特征融合深度神经网络；步骤4.1、所述Transformer网络对R进行特征融合的预提取处理，得到数值-模态-文本融合特征R'；步骤4.2、构建由GRU模型、BiGRU模型、BiLSTM模型组成的特征提取模型并进行特征提取：步骤4.2.1、基于GRU模型对R'进行特征提取，得到焦炭需求动态特征其中，表示第s个焦炭需求动态特征，s∈[1,S]；S表示焦炭需求动态特征的总数；步骤4.2.2、基于BiGRU模型对R'进行特征提取，得到焦炭需求全景特征其中，表示第s个焦炭需求全景特征；步骤4.2.3、基于BiLSTM模型对R'进行特征提取，得到焦炭需求深度序列特征其中，表示第s个焦炭需求深度序列特征；步骤4.3、将YGRU、YBiGRU和YBiLSTM拼接后输入到全连接层中进行需求预测，得到预测的焦炭需求Y；步骤5、基于预测结果Y计算均方误差并作为目标函数J，从而利用反向传播和梯度下降法对所述多特征融合深度神经网络进行训练，使得目标函数J达到最小，当迭代次数达到最大迭代次数时，停止训练，从而得到训练后的焦炭需求预测模型，用于焦炭需求的预测。

全文数据：

权利要求：

百度查询： 合肥工业大学 安徽大学 一种基于多特征融合深度神经网络的焦炭需求预测方法