专利交易市场

本发明公开了一种基于双变量长短时记忆算法的海浪缺测数据预报方法，其具体步骤为：首先获取浮标数据A，利用机器学习的方法插补连续丢失的浮标数据，利用回归模型的方法插补单个丢失的浮标数据，形成新的浮标数据集B；利用海浪变量关联数据库，在浮标数据集B中找出与预报变量相匹配的变量并构造双变量集V，同时确定各个双变量的训练集和验证集；将各个双变量的训练集数据输入长短时记忆算法中进行训练，得到相应的双变量LSTM模型，最后利用验证集数据对模型结果进行检验，并确定最优预测模型。该方法可以对浮标短期缺测数据进行插补和修正，还可以对长期缺失变量进行预测，有效地提高浮标数据的准确度。

本发明公开了基于双向长短时记忆网络的混合染液浓度检测方法，具体为：首先，配置不同浓度的混合染液，并在不同的光源及不同的曝光时间下，采集原始染液数据的图像信息并记录，再进行PAM聚类，聚类后进行归一化处理，并划分训练集与验证集；之后构建BiLSTM网络模型，进行浓度的预测，再用ARIMA模型对预测值进行误差修正，最后，形成最优BiLSTM‑ARIMA预测模型并进行预测。采用BiLSTM网络，对序列进行了双向的处理，提高了预测效果；采用ARIMA模型对得到的预测值不断进行误差修正，提高数据的精确性，进一步保障结果能够符合当前行业的精度要求标准，确保模型在混合染液浓度检测方面具有很好的适用性。