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：一种商品时序数据预测方法及系统      申请号：2021103697582     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：大数据 计算机 数据预测   相似专利 发布日：2025/03/19  
摘要： 本发明提供了一种商品时序数据预测方法及系统。该方案包括获得初始商品时序数据，并对所述初始商品时序数据进行预处理；根据所述标准商品时序数据获得商品时序特征，进行临近区间划分和周期区间划分，获得邻近区间高层语义信息表示和周期区间高层语义信息表示,进行拼接和特征变换，生成信息融合数据；进行季节信息数据的特征获取及处理,根据信息融合数据和季节特征数据进行拼接和特征变换，生成目标融合数据；根据所述目标融合数据进行特征变换和激活函数，预测商品的价格和销量。该方案从商品邻近性、周期性和季节性等特点出发，以GRU网络编码为基础进行多尺度注意力机制学习，实现对商品时序数据特性进行准确捕捉。

专利名称：一种利用小凸模胀形数据预测板材大应变数据的方法      申请号：2020108828186     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：板材加工 凸模 数据预测   相似专利 发布日：2024/07/05  
摘要： 本发明公开一种利用小凸模胀形数据预测板材大应变数据的方法，属于板材性能检测领域，具体步骤包括：1构建自定义材料，通过对材料力学性能参数大范围定义与组合，构建虚拟材料数据库；2生成小凸模胀形实验力行程数据，利用现有小凸模胀形实验模具生成小凸模胀形实验力行程数据；3生成小凸模胀形模拟力行程数据，将步骤1中自定义材料的塑性数据代入ABAQUS有限元模型；4获取工程抗拉强度与胀形极限力的映射关系通过步骤3有限元模型生成步骤1中自定义材料的模拟胀形力行程数据，获取所生成材料胀形力行程数据力峰值点对应的力与位移信息；5对材料的本构模型进行过定点约束；6生成小凸模胀形解析力行程数据；7优化材料硬化参数。

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：基于深度神经网络的生物发酵数据预测方法      申请号：202110528150X     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 发酵 深度神经网络 数据预测   相似专利 发布日：2023/10/17  
摘要： 本发明公开了一种基于深度神经网络的生物发酵数据预测方法，包括如下步骤：获取并预处理样本光谱数据以得到训练集；利用训练集对自监督特征提取网络模型进行训练以优化特征提取网络模型参数；利用经特征提取的数据对自动编码器网络模型进行训练以建立降维模型；对经降维模型挑选的数据进行TSK模糊回归以建立浓度预测模型；输入待测溶液的光谱数据以预测溶液浓度。本发明结合自监督学习的深度自动编码器特征提取方法，既能构造比传统的主成分分析法更为复杂的非线性映射，还可以保证其提取的特征具有利于后续的回归预测方法的语义信息，结合TSK回归预测，可以避免光谱数据维度过大、冗余信息较多的问题，而且能给出精确且具有可解释性的结果。

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：一种基于融合特征的GraphSAGE交通路网数据预测的方法      申请号：2020111292954     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 R P 港口 数据预测   相似专利 发布日：2023/09/14  
摘要： 一种基于融合特征的GraphSAGE交通路网数据预测的方法，首先对路网历史交通流数据进行相关性系数计算，构建路网相关性矩阵，并根据路网节点之间的相关性大小重新定义节点之间的连通状态，得到基于时间相关性的拓补路网；然后利用GraphSAGE分别对原始交通路网与重构后的拓补路网进行路网特征信息提取，并融合两个不同路网提取的路网时空特征信息，对路网未来的交通状态进行预测。本发明融合两个不同路网提取的路网时空特征信息，对路网未来的交通状态进行预测，提高了对交通路网状态数据预测的精度。

专利名称：一种面向移动通信用户流失不平衡数据预测方法      申请号：2018113535879     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：通信 数据预测   相似专利 发布日：2025/02/11  
摘要： 本发明提供了一种面向移动通信用户流失不平衡数据预测方法。该方法主要基于改进的深度森林模型算法框架对通信用户流失不平衡数据进行分类。首先在深度森林模型的多粒度窗口滑动过程构造新的参数，控制不同类别用户数据滑动。将滑动后的数据带入级联森林部分训练，森林中的每颗决策树根据训练结果对不同类别的数据赋予不同的权重。最终算法模型的投票结果采用加权后投票，从而实现对不平衡用户数据的处理。本发明提供的预测方法将深度森林中多粒度滑动模块改进为对不同的分类进行滑动，同时森林中每颗决策树对不同类别用户的权重进行更新，使得整个模型对移动通信用户流失不平衡数据具有更高的识别精度。

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。

专利名称：基于多目标回归的高速公路收费站车流量大数据预测方法      申请号：2019102937859     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：大数据处理 智慧城市 智慧交通 数据预测   相似专利 发布日：2025/01/13  
摘要： 本发明请求保护一种基于多目标回归的高速公路收费站车流量大数据预测方法，包括：101对数据进行预处理操作；102对数据进行打标操作；103对数据进行特征工程构建操作；104构建一种结合目标特定特征和目标相关性的多目标回归模型；105通过已建立的模型，根据收费站历史车流量数据、天气数据等信息，预测收费站8点到10点每20分钟的车流量。本发明主要是通过对收费站历史车流量数据、天气数据等信息进行预处理和分析提取特征，建立一种结合目标特定特征和目标相关性的多目标回归模型，预测收费站8点到10点每20分钟的车流量，从而使交通管理部门能够利用大数据及时采取措施减少收费站的拥堵。