专利名称：一种基于自适应图学习与神经受控微分方程的时空数据预测方法      申请号：2024106072882     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 数据预测   相似专利 发布日：2025/03/12  
摘要： 本发明公开了一种自适应图学习与神经受控微分方程的时空数据预测方法，包括获取离散的多元气象时空数据，根据多元气象时空数据构建图结构；使用插值法将离散的多元气象时空数据转换为连续数据路径；利用图结构和连续数据路径构建神经受控微分方程，并更新神经受控微分方程权重参数；求解更新后的神经受控微分方程并输出预测结果；联合神经微分方程与图学习机制，将深度神经网络的黑盒时空预测方法转化为对常微分动力系统的建模问题，预测值即为对该动力系统的数值求解问题，更具可解释性；有效发挥了神经受控微分方程处理不规则观察数据的能力，提高训练效率，同时又能捕获动态系统中的时空相关性，能够用于不规则多元气象数据预测。

专利名称：数据预测方法、模型训练方法、装置、设备      申请号：2020106640948     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：训练 数据预测   相似专利 发布日：2024/08/27  
摘要： 本发明的实施例提供了一种数据预测方法、模型训练方法、装置、设备。该方法包括：获取设备工况数据，设备工况数据包括热工变量数据与设备运行数据；采用设备工况数据对热工变量预测模型进行训练，设备运行数据用于训练第一单预测模型，历史热工变量数据用于训练第二单预测模型；通过第一单预测模型和第二单预测模型融合得到的热工变量预测模型对目标热工变量数据进行预测。该方法通过训练热工变量单预测模型，将热工变量单预测模型融合为热工变量预测模型，使热工变量预测模型具有更强的泛化性和抗噪性，解决设备工况数据发生时间不同步的问题，从而，预测出更准确的目标热工变量数据，以优化机组能源利用率，降低污染物排放，减少运行成本。

专利名称：基于SA-PSO的工程应用预测方法      申请号：2018114693973     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：数据预测   相似专利 发布日：2025/07/09  
摘要： 公开了一种基于SA‑PSO的短时交通流预测方法，属于数据预测领域，该方法基于背景值和初始条件是影响灰色建模精度的两个重要因素，根据车联网的短时交通流数据建立非等间距GM(1,1)模型，利用复化梯形公式对非等间距GM(1,1)模型中的背景值进行了优化，并基于新信息优先原理，对模型的初始条件进行了重构，利用相对误差平方和最小准则，对初始条件对应的最优时间参数进行求解，并利用基于模拟退火算法(SA)和粒子群优化算法(PSO)相结合的智能算法作为优化工具对模型背景值和初始条件中的自适应参数进行了优化提取，有效克服了现有非等间距GM(1,1)模型的不足，提高了非等间距GM(1,1)模型的预测精度，获得短时模拟交通流数据。

专利名称：短时交通流数据预测方法、系统、计算机设备及存储介质      申请号：2022106484807     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：交通工具 数据预测   相似专利 发布日：2023/09/20  
摘要： 本发明属于交通控制技术领域，公开了一种短时交通流数据预测方法、系统、计算机设备及存储介质，包括：获取待预测区域以及待预测区域各相关区域的历史交通流数据；根据待预测区域的历史交通流数据，得到待预测区域当前时段的周期性交通流数据，以及结合待预测区域各相关区域的历史交通流数据，通过预设的时空特征选择方法，得到待预测区域的最优相关历史交通流数据；获取待预测区域当前时段的外部特征影响因素数据，并将待预测区域当前时段的外部特征影响因素数据、当前时段的周期性交通流数据及最优相关历史交通流数据输入预设的交通流预测模型，得到待预测区域的交通流数据短时预测值，有效提升了短时交通流数据预测的准确性。

专利名称：一种时空数据预测模型的交互式选择方法      申请号：2020104922691     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：交互 选 港口 数据预测   相似专利 发布日：2023/09/14  
摘要： 一种基于时空数据预测模型的交互式选择方法，对原始数据进行筛选，清洗，删除异常值，补全缺失值；然后结合Canopy和K‑Means聚类算法对以上数据进行聚类得到K个簇类，并提取前K1个簇类区域计算边界；对每个区域的数据进行差分处理之后，分别用Random Forest算法、SVM算法、ARIMA算法、LSTM算法进行训练建立模型，然后根据模型对每个区域进行预测；将得到的预测结果数据用可视化字形在地图上各区域进行展示；在完成上述步骤后，再对区域字形和区域连线进行布局优化。通过系统提供的交互探索组件帮助用户以直观的方式有效地区分各种模型的差异。本发明的字形设计和地理布局设计使用户可以直观地对预测输出进行深入分析。

专利名称：一种基于改进PSO-BP神经网络的数据预测方法      申请号：2015100783326     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络 网络传输 P 改 港口 数据预测   相似专利 发布日：2023/09/14  
摘要： 一种基于改进PSO‑BP神经网络的数据预测方法，通过对传感器采集到的连续若干个数据来预测下一个将要采集的数据，将预测数据与采集数据进行对比并判断采集数据是否为数据“坏点”，首先根据传感器采集到的数据的特点确定BP神经网络的输入节点数、输出节点数和隐层节点数；接着使用改进的粒子群算法来优化该BP神经网络的连接权值和阈值，并得到最终的BP神经网络预测模型；然后通过MATLAB7.1和VC6将预测模型生成DLL文件；最后通过编程软件调用DLL文件将预测数据与采集数据进行对比，并判断采集到的数据是否为数据“坏点”。本发明能够有效处理数据“坏点”，兼顾可靠性和硬件成本。

专利名称：一种基于社交网络的用户数据预测方法      申请号：2020104732485     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络 网络传输 社交网络 数据预测   相似专利 发布日：2023/09/14  
摘要： 一种基于社交网络的用户数据预测方法，包括以下步骤：S1获取用户的行为数据以及其相对应的朋友的行为数据；S2基于用户去过的地点数据构建用户行为影响网络；S3针对用户行为影响网络运行随机游走算法对用户数据进行采样；S4初始化序列预测模型；S5将采样得到的用户数据与用户自身的数据当成训练数据输入到序列预测模型中进行训练；S6将新采集到的用户数据输入到训练好的模型中，输出即为用户接下来要去的地点。本发明提出了一种新的结合社交网络的数据扩充方法，能大幅的提升现有行为预测模型的预测精度，且修改的是用户数据集，因此无需对行为预测模型进行改动。本发明具有广阔的应用前景。