基于人工神经网络的云冈石窟环境参数预测方法及系统

    公开(公告)号:CN119271986A

    公开(公告)日:2025-01-07

    申请号:CN202411021895.7

    申请日:2024-07-29

    Applicant: 上海大学

    Abstract: 本发明公开基于人工神经网络的云冈石窟环境参数预测方法及系统,涉及神经网络预测算法领域,包括利用传感器采集石窟外部和内部的环境参数并进行预处理,将预处理后的数据构建数据样本集;根据样本集构建CNN‑LSTM网络预测模型,建立预测模型的超参数,并设置待优化的超参数的组合区间,对超参数执行BO算法;根据概率模型获取函数选择下一组超参数进行新一轮训练,直至达到迭代次数,输出预测值。本发明对BO‑CNN‑LSTM模型结合贝叶斯优化算法,显著改进超参数优化,具有更优越的性能指标,BO‑CNN‑LSTM模型在预测云冈石窟内部环境参数具有显著优势,有效捕捉并预测石窟内的微气候变化,对实际环境参数样本进行精确预测,为云冈石窟内部环境参数提供全面准确的预测结果。

    一种基于小样本历史数据的一元时间序列预测方法及设备

    公开(公告)号:CN117150212A

    公开(公告)日:2023-12-01

    申请号:CN202311124425.9

    申请日:2023-09-01

    Applicant: 上海大学

    Abstract: 本发明涉及一种基于小样本历史数据的一元时间序列预测方法及设备,所述方法包括以下步骤:获取某个单变量的小样本一元时间序列历史数据集合;计算所述单变量各历史时刻的差分率,形成历史逐时差分率集合;基于设定的差异化权重系数,估算获得下一时刻差分率初值,并基于所述差分率初值循环迭代计算获得下一时刻所述单变量的预测值,其中,基于新信息权重自适应增大的方式设计所述差异化权重系数。与现有技术相比,本发明具有能够充分挖掘小样本历史数据间信息,预测精度高等优点。

Patent Agency Ranking