专利交易市场

本发明涉及电力系统与结构抗震安全技术领域，为解决现有技术中模型适用对象单一、无法动态更新以及缺乏风险闭环管理的问题，提供多源数据智能驱动的输电线路地震风险预测方法及系统。多源数据智能驱动的输电线路地震风险预测方法包括利用持续更新的混合深度学习模型对实际地震波时程进行处理，预测输电线路的顶部位移时程，以作为输电线路动力响应指标；将预测的输电线路的顶部位移时程与输电线路已知的结构性能限值进行对比，判断输电线路的结构性能状态及其对应风险等级，同时利用易损性曲线方法将预测的顶部位移时程转换为不同结构性能状态的发生概率；其具有预测精度高、适应性强的特点，并能够实现实时风险预警。

本发明涉及一种基于时空关联特征矩阵的未来交通流量智能预测方法，引入图卷积残差网络与时空双向门控循环单元组合，实现对目标路网的预测，其中，时空双向门控循环单元有效地捕捉交通数据中的时空关联性，允许模型在考虑历史数据的同时，考虑未来时刻的信息，图卷积残差网络有助于模型更好地理解城市交通网络的拓扑结构，从而提高预测的精确性和鲁棒性，设计方法通过考虑时间和空间的复杂关系，精确地预测未来交通流量，提高了交通管理的效率，应用潜力广泛，不仅可以帮助城市规划者更好地管理交通流量，还可以为个人驾驶者提供实时交通信息，以改善他们的出行体验，具有重要的实际应用前景。

本发明涉及建筑能耗数字化控制的技术领域，且公开了一种建筑能耗智能预测管理系统及方法，所述系统包括建筑新增能耗对象识别模块、建筑用电能耗预测模块、建筑用电能耗预测调度管理模块；通过基于大数据存储历史不同特征类型建筑用电设备日用电能耗参数结合智能识别算法与新增建筑用电设备特征信息进行目标建筑物内新增建筑用电设备的日用电能耗参精准匹配，实现目标建筑物内新增用电设备日用电能耗智能精准分析；基于数值处理对目标建筑物内新增用电设备用和原有用电设备在预测时间长度的用电能耗进行科学高效预测，实现目标建筑物内用电设备用电能耗分类动态预测，提高建筑能耗预测管理结果的可靠性。

本发明一种基于注意力机制和多层LSTM的电厂烟气含氧量智能预测方法，通过传感器采集数据，将采集的传感器数据保存到原始数据库；从原始数据库中顺序采样数据，通过数据清洗和数据降维，数据清洗剔除相似性较高的数据，数据降维过滤数据内的次要特征，并将处理后的数据保存到剩余数据库；从剩余数据库中随机提取小批量数据，通过注意力网络得到权值特征，将权值特征数据输入到基于LSTM的预测网络进行预测网络训练；最后利用训练好的预测网络进行烟气含氧量的预测。本发明降低了数据之间和数据内部的冗余信息，从而提高的模型训练效率。引入注意力机制赋予主要特征不同的权值，使得预测系统更接近实际系统的物理过程，从而提高了预测精度。