法律状态: 全部 已授权 审中
项目申报: 全部 报过 没有报过
共 4 件在售专利
本发明属于时间序列预测领域,尤其涉及一种基于CEMD和LSTM的非平稳时间序列数据预测方法,包括通过历史数据构建训练集,通过实时数据构建测试集;使用经验模态分解将测试集和训练集中的目标序列分解为n个本征模态函数和1个残差序列;通过聚类算法对n个本征模态函数聚类为m组,形成m个子序列;利用训练集中子序列的特征向量对深度LSTM神经网络进行训练,获取完成训练的深度LSTM神经网络;将测试集中子序列输入完成训练的深度LSTM神经网络进行预测,得到非平稳时间序列预测结果;本发明结合了EMD和聚类算法对非平稳时间序列进行重构,使得预测模型的误差更小、训练时间更短。
📄 2022101996673 📂 G06Q10_04 👤 重庆邮电大学 📅 2022-03-01
¥0.0 元
本发明公开了一种顾及时空关联性的城市空气质量时序预测方法,该方法引入了奇异谱分析进行PM2.5监测数据和气象特征数据的时间序列预测,设计了时空相关立方体以自适应地选择前K个重要的空间邻域站点特征,将时间序列预测结果与前K个重要的空间邻域特征进行叠加构建样本特征集,最后利用随机森林算法完成不同时间尺度下的最终结果的拟合。通过本发明所提供的耦合模型,可以有效地顾及不同空间站点之间的时空关联性,从而提高城市空间环境中单个站点在不同时间尺度下的时序预测效果和稳定程度,可以为城市大气管理决策提供参考依据。
📄 2020101147901 📂 G06Q10_04 👤 武汉墨锦创意科技有限公司 📅 2020-02-25
¥0.0 元
本申请涉及人工智能技术领域,特别是涉及一种数据缺失场景下的时间序列预测方法、装置、介质及设备,通过缺失掩码信息表征缺失值的补全程度,通过时序预测模型对目标交通数据引入缺失掩码信息的特征,有效降低了由于数据缺失而导致的模型预测误差,通过多尺度卷积模型学习到不同尺度的特征与时序特征相结合,提高了预测的准确性,通过时空图卷积网络对缺失值重构,建立完整数据下的时空依赖关系,避免了数据不完整情况下错误时空依赖关系的构建,再将缺失重构交通数据应用于时序预测任务中,从而提高数据缺失场景下时间序列预测的准确性。
📄 202510473533X 📂 G06F18_213 👤 中国民航大学 📅 2025-04-16
¥0.0 元
本发明公开了一种基于密度峰值聚类的混沌时间序列多步预测方法,该方法中多次选取邻近轨道,通过聚类算法确定相点边界,再在轨道进入相点边界时,通过模拟相点的形式重新选取最近邻轨道,从现有的一次根据目标相点获取邻近轨道改为多次获取邻近轨道,结合聚类算法,不通过人为确定聚类中心,动态分配相点的边界,减少人为因素的影响,改善了现有模型一次获取轨道导致的多步预测精度下降的问题,实验表明本发明方法相较现有多步预测滤波器模型,其泛化性能更为优异,受预测起点的影响更小,所需训练集更少。
📄 2018109929365 📂 G06Q10_04 👤 深圳万知达企业管理有限公司 📅 2018-08-29
¥0.0 元
发明 已授权

一种基于CEMD和LSTM的非平稳时间序列数据预测方法

2022101996673 · 重庆邮电大学
¥0.0 元
发明 已授权

一种顾及时空关联性的城市空气质量时序预测方法

2020101147901 · 武汉墨锦创意科技有限公司
¥0.0 元
发明 已授权
发明 已授权

一种基于密度峰值聚类的混沌时间序列多步预测方法

2018109929365 · 深圳万知达企业管理有限公司
¥0.0 元

求购专区 · 发布技术需求,卖家在线应标

🔋 高能量密度固态电解质材料与制备工艺
预算:¥50-100万截止:2026-08-30发布方:××新能源科技响应:8人

交易保障 · 安心交易

资金托管

买家付款至平台,交易完成/过户成功后放款给卖家

权属尽调

专利有效性分析 + 权属状态核查,确保交易安全

合同审核

标准转让/许可合同模板,支持在线电子签署

全程代办

著录项目变更、备案手续全程代办,省心省力

交易流程 · 六步完成专利交易

1
选专利
2
在线沟通
3
签署合同
4
支付款项
5
办理变更
6
过户完成

成功交易案例

🔬

固态锂电池电解质专利包

转让方:中国科学院××研究所
受让方:××新能源科技有限公司
交易类型:独占许可
交易金额:¥320万
🧬

CRISPR基因编辑技术

转让方:××大学
受让方:××生物医药有限公司
交易类型:转让
交易金额:¥1,200万
⚡

SiC功率器件工艺专利

转让方:××半导体有限公司
受让方:××汽车电子集团
交易类型:转让
交易金额:¥680万
☀️

钙钛矿光伏组件技术

转让方:××科技公司
受让方:××能源集团
交易类型:开放许可
交易金额:¥50万/年