公开(公告)号：CN109978228B

公开(公告)日：2023-12-12

申请号：CN201910100028.5

申请日：2019-01-31

Applicant: 中南大学

Inventor： 刘芳 ,  陶青 ,  刘玲 ,  李勇

IPC: G06Q10/04 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08 ,  G06Q50/26

Abstract: 本发明公开一种PM2.5浓度预测方法、装置及介质，涉及污染物预测技术领域，该方法基于CNN和双向GRU神经网络，基于一维卷积神经网络CNN和双向GRU神经网络搭建PM2.5预测模型；将气象训练数据张量送入PM2.5预测模型进行训练；所述一维卷积神经网络CNN分别对每个输入变量时间序列进行局部特征学习并降维，依次经过卷积和池化操作，形成低维特征序列；将特征序列输入双向GRU神经网络，双向GRU神经网络从时间正序和时间逆序学习特征序列；将气象测试数据张量送入已训练完成的PM2.5预测模型中进行预测，获取PM2.5预测浓度值；该模型有效利用卷积神经网络的速度和轻量特性与RNN的顺序敏感性，允许在训练时查看更多的数据量，提高预测准确度。(56)对比文件CN 106599520 A,2017.04.26方卫华 等《.跨拦河建筑物安全状态感知、融合与预测》.河海大学出版社,2018,正文第296-299页.V. Athira 等.DeepAirNet: Applyingrecurrent networks for air qualityprediction《.Procedia Comput. Sci》.2018,第132卷全文.金欢欢 等.基于生成少数类技术的深度自动睡眠分期模型《.计算机应用》.2018,第38卷(第9期),全文.Clark_Xu.Keras系列之LSTM和GRU实践.《https://blog.csdn.net/Findingxu/article/details/86696904》.2019,全文.张兰霞 等."基于双向GRU神经网络和双层注意力机制的中文文本中人物关系抽取研究".《计算机应用与软件》.2018,第35卷(第11期),全文.陈立国 等."基于GRU型循环神经网络的随机域名检测“《.计算机系统应用》.2018,第27卷(第8期),全文.黎镭 等“.GRU递归神经网络对股票收盘价的预测研究”《.计算机与现代化》.2018,(第11期),全文.黄婕“.基于RNN-CNN集成深度学习模型的PM2.5小时浓度预测研究”《.中国优秀硕士学位论文全文数据库 工程科技I辑》.2018,全文.

公开(公告)号：CN112365033A

公开(公告)日：2021-02-12

申请号：CN202011156336.9

申请日：2020-10-26

Applicant: 中南大学

Inventor： 刘芳 ,  陶青 ,  刘玲 ,  李勇

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供一种风电功率区间预测方法、系统及存储介质，综合利用LUBE边界估值理论的一步式预测区间构造特性和GRU神经网络的时间序列建模能力，基于LUBE边界估值理论，建立基于神经网络的区间预测模型，其输出层包含两个神经元，根据输入张量直接生成预测区间；所述神经网络包含GRU循环神经网络与全连接神经网络，GRU对多变量时间序列进行时间依赖性建模，全连接神经网络用于获取预测区间的上下界；其次，针对预测区间的评估函数不可微分的缺点，改进了预测区间评估函数，克服传统LUBE无法采用梯度下降法的难点，有效将GRU深度学习算法整合进LUBE模型体系，在减少计算步骤的情况下，提升预测精度。

公开(公告)号：CN112365033B

公开(公告)日：2024-03-22

申请号：CN202011156336.9

申请日：2020-10-26

Applicant: 中南大学

Inventor： 刘芳 ,  陶青 ,  刘玲 ,  李勇

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  H02J3/00

Abstract: 本发明实施例提供一种风电功率区间预测方法、系统及存储介质，综合利用LUBE边界估值理论的一步式预测区间构造特性和GRU神经网络的时间序列建模能力，基于LUBE边界估值理论，建立基于神经网络的区间预测模型，其输出层包含两个神经元，根据输入张量直接生成预测区间；所述神经网络包含GRU循环神经网络与全连接神经网络，GRU对多变量时间序列进行时间依赖性建模，全连接神经网络用于获取预测区间的上下界；其次，针对预测区间的评估函数不可微分的缺点，改进了预测区间评估函数，克服传统LUBE无法采用梯度下降法的难点，有效将GRU深度学习算法整合进LUBE模型体系，在减少计算步骤的情况下，提升预测精度。

公开(公告)号：CN109978228A

公开(公告)日：2019-07-05

申请号：CN201910100028.5

申请日：2019-01-31

Applicant: 中南大学

Inventor： 刘芳 ,  陶青 ,  刘玲 ,  李勇

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/26

Abstract: 本发明公开一种PM2.5浓度预测方法、装置及介质，涉及污染物预测技术领域，该方法基于CNN和双向GRU神经网络，基于一维卷积神经网络CNN和双向GRU神经网络搭建PM2.5预测模型；将气象训练数据张量送入PM2.5预测模型进行训练；所述一维卷积神经网络CNN分别对每个输入变量时间序列进行局部特征学习并降维，依次经过卷积和池化操作，形成低维特征序列；将特征序列输入双向GRU神经网络，双向GRU神经网络从时间正序和时间逆序学习特征序列；将气象测试数据张量送入已训练完成的PM2.5预测模型中进行预测，获取PM2.5预测浓度值；该模型有效利用卷积神经网络的速度和轻量特性与RNN的顺序敏感性，允许在训练时查看更多的数据量，提高预测准确度。