[发明专利] 基于自动储层神经网络的多步预测未来风速的方法和系统 – CN114077913A 全文链接一 全文链接二
基本信息 | |||
---|---|---|---|
申请号
|
CN202010818836.8 |
申请日
|
20200814 |
公开(公告)号
|
CN114077913A |
公开(公告)日
|
20220222 |
申请(专利权)人
|
中国科学院分子细胞科学卓越创新中心;陈培;刘锐 | ||
申请人地址
|
200031 上海市徐汇区岳阳路320号35号楼
|
||
发明人
|
陈洛南;陈培;刘锐 | 专利类型 | 发明专利 |
摘要
|
本发明公开了一种基于自动储层神经网络的多步预测未来风速的方法和系统,实现了未来信息的准确快速的多步预测,维持了对噪声和系统时变的较高鲁棒性并避免了过拟合问题。其技术方案为:针对短时间高维风速数据,基于延迟嵌入理论,利用时空信息转换,将观测到的高维动力学作为储层,把高维风速数据映射到目标变量的未来信息,自动储层神经网络通过求解一对共轭时空信息交互方程来实现对目标变量的多步预测。 | ||
主权项
|
1.一种基于自动储层神经网络的多步预测未来风速的方法,其特征在于,方法包括:步骤1:根据输入的风速数据的特点,构建短时间高维数据,从短时间高维数据中确定需要预测的目标变量、已知时序列长度、需要预测的长度;步骤2:构建高维短时间序列矩阵、延迟嵌入矩阵、时空信息STI共轭方程,其中时空信息STI共轭方程中包含系数矩阵;步骤3:随机设置神经网络F的权重,通过将神经网络F作为水库计算的储层,更新时空信息STI共轭方程中的系数矩阵;步骤4:基于步骤2中所构建的ARNN的时空信息STI共轭方程,利用数据的编码、解码,求解时空信息STI共轭方程中的系数矩阵,并最终得到所需预测的目标变量的预测值。 |
IPC信息
|
|||
---|---|---|---|
IPC主分类号
|
G06Q10/04 | ||
G 物理
G06 计算;推算;计数 G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法 |
法律状态信息
|
|||||
---|---|---|---|---|---|
法律状态公告日
|
20220222 |
法律状态
|
公开 | 法律状态信息 |
CN202010818836 20220222 公开 公开
|
代理信息
|
|||
---|---|---|---|
代理机构名称
|
上海专利商标事务所有限公司 31100 |
代理人姓名
|
施浩 |