-
公开(公告)号:CN116070799A
公开(公告)日:2023-05-05
申请号:CN202310323027.3
申请日:2023-03-30
Applicant: 南京邮电大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/0455 , G06N3/08 , H02J3/00
Abstract: 本发明属于光伏发电量预测技术领域,公开了一种基于注意力及深度学习的光伏发电量预测系统及方法,通过数据预处理模块对数据集进行预处理,并生成训练集;transformer网络模块与CNN网络模块间使用残差连接;使用基于注意力机制的transformer网络提取数据之间的时序特征信息;使用CNN网络中的卷积和池化方法,解决多变量协同预测问题;将数据集多维度数据分开处理训练,保证训练效果的同时降低了训练用时。
-
公开(公告)号:CN115715021A
公开(公告)日:2023-02-24
申请号:CN202211189956.1
申请日:2022-09-28
Applicant: 南京邮电大学
IPC: H04W72/541 , H04W72/542 , H04W72/53 , H04W72/0453 , H04W4/40 , H04W4/44 , H04W4/46
Abstract: 本发明公开了一种车联网资源分配方法及系统,在车联网通信场景中,利用通信链路获取车辆环境信息;通过V2V链路以及V2I链路,周期性的向车联网通信场景内其他车辆终端或者基站通报目标车辆的位置信息、信道状态信息、子信道选择策略;若目标车辆的当前时刻的信道状态信息获取失败或有误,则利用预先构建的基于注意力机制的预测模型,预测当前时刻的信道状态信息;将前车辆V2V链路的剩余负载大小、剩余时延长度以及预测的当前时刻的信道状态信息输入到预先训练好的资源分配模型,确定子信道选择策略,根据子信道选择策略进行资源分配。优点:确保能够得到较为准确的信道状态信息,解决了传统资源分配方法求解凸优化问题复杂度高的缺点。
-
-