-
公开(公告)号：CN114862036B
公开(公告)日：2025-04-25
申请号：CN202210569405.1
申请日：2022-05-24
Applicant: 内蒙古工业大学
IPC: G06Q10/04 , G06Q50/06 , G06F18/243 , H02J3/00 , H02J3/38
Abstract: 一种基于XGBoost扩展金融因子的风电功率预测方法，包括基于时间窗口的特征生成方法，用于获取风力发电功率数据中的潜在关联；基于风力发电功率K线的特征生成方法，用于生成风力发电功率数据中的金融因子；基于梯度提升回归树的XGBoost算法，用于预测超短期风力发电功率数据。该发明在原有的风力发电功率数据基础上，通过时间窗口生成含有短时间内功率潜在关联的数据，结合时间窗口生成风力发电功率特有的K线，通过风力发电功率K线生成特有的风力发电功率KDJ与MACD。最后将含有气象数据，时间窗口数据，金融因子的数据集传入XGBoost模型中，对未来风力发电功率进行预测，拥有极高的预测准确率与极短的预测时间。
-
公开(公告)号：CN116630672B
公开(公告)日：2025-01-21
申请号：CN202310700421.4
申请日：2023-06-14
Applicant: 内蒙古工业大学
IPC: G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/088 , G06N3/084
Abstract: 一种针对非对齐视图缺失问题的无监督多视图聚类方法，用于多视图数据在PVP和PSP的情况下，所产生的一致性学习不足的情形，提出了HmiMVC。首先通过最大化跨视图互信息来解决PVP问题，实现类别级对齐，而对于PVP问题中的PSP问题，利用对偶预测的思想来预测缺失的数据，同时最小化条件熵，实现了自然的类别级对齐。数据恢复和对齐融合在一个层次化的一致性框架中。HmiMVC对PSP和PVP分别采取了不同的分层对齐策略和方法，但一致性学习反过来又使PSP和PVP学习相互加强。本发明将类别级对齐和实例级恢复对齐进行组合，有效克服了一致性学习不足的问题，显著提升聚类表现。
-
公开(公告)号：CN116826715A
公开(公告)日：2023-09-29
申请号：CN202310718974.2
申请日：2023-06-16
Applicant: 内蒙古工业大学
Abstract: 基于改良蚁群算法结合MACD的超短期风电功率预测方法，将原始风电数据和风电场所在地区的气象数据合并构成原始风电时序数据；利用原始风电时序数据中的功率构建时间窗口，并绘制风电功率K线，将原始风电时序数据、金融技术指标MACD、风电功率K线三类数据添加到新的列表中，生成带有K线的数据集；使用基于改良蚁群算法的参数自适应优化算法，动态优化和调整MACD的最优计算参数，计算出优化调整后的MACD，加入至带有K线的数据集中，并删除风电功率K线和原有金融技术指标MACD，形成最终数据集，将最终数据集传入XGBoost模型中，预测未来风电功率，本发明具有较高准确率和性能。
-
公开(公告)号：CN116630672A
公开(公告)日：2023-08-22
申请号：CN202310700421.4
申请日：2023-06-14
Applicant: 内蒙古工业大学
IPC: G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/088 , G06N3/084
Abstract: 一种针对非对齐视图缺失问题的无监督多视图聚类方法，用于多视图数据在PVP和PSP的情况下，所产生的一致性学习不足的情形，提出了HmiMVC。首先通过最大化跨视图互信息来解决PVP问题，实现类别级对齐，而对于PVP问题中的PSP问题，利用对偶预测的思想来预测缺失的数据，同时最小化条件熵，实现了自然的类别级对齐。数据恢复和对齐融合在一个层次化的一致性框架中。HmiMVC对PSP和PVP分别采取了不同的分层对齐策略和方法，但一致性学习反过来又使PSP和PVP学习相互加强。本发明将类别级对齐和实例级恢复对齐进行组合，有效克服了一致性学习不足的问题，显著提升聚类表现。
-
公开(公告)号：CN115909662A
公开(公告)日：2023-04-04
申请号：CN202211221993.6
申请日：2022-10-08
Applicant: 内蒙古工业大学
Abstract: 一种淤地坝防洪预警方法，选取水文风险、运行风险和工程风险，构建淤地坝防洪风险评价体系；水文风险指标包括水面到坝顶的距离C1以及有无溢洪道C2；运行风险指标包括剩余淤积年限C3、剩余淤积库容C4以及有无防汛预案C5；工程风险指标包括基础防渗质量C6、坝体防渗质量C7、填筑质量C8、坝肩渗漏C9以及坝体及防渗体渗漏C10；获取淤地坝实时水位，以获取指标C1；确定各类指标的影响因子和划分防洪预警等级；影响因子，是指标对淤地坝防洪风险的影响大小；将影响因子通过加权、归一化得到综合防洪风险得分；确定防洪预警等级。本发明还提供了一种淤地坝防洪预警系统，可使淤地坝防洪预警的操作步骤清晰化，并提高了其智能化。
-
Patent Agency Ranking
公开(公告)号：CN113539385A
公开(公告)日：2021-10-22
申请号：CN202110880275.9
申请日：2021-08-02
Applicant: 内蒙古工业大学
Abstract: 本发明公开了一种基于t‑SNE‑MNR的汽油辛烷损失值预测方法，包括：获取汽油工业数据，对获取到的汽油工业数据进行预处理，得到特征数据，分析各项特征数据对辛烷值的关联性及影响、并构建多元非线性回归模型，利用多元非线性回归模型对汽油工业数据中的汽油辛烷损失值预测并得到预测结果。该方法提高了辛烷值的预测精度和效率，以此来为企业提供切实可行的指导意见，进而提升汽油品质。
-
公开(公告)号：CN113298297A
公开(公告)日：2021-08-24
申请号：CN202110503783.5
申请日：2021-05-10
Applicant: 内蒙古工业大学
Abstract: 本发明一种基于孤立森林与WGAN网络的风电输出功率预测方法，包括基于孤立森林的风电原始数据异常值检测方法，用于自适应检测并剔除海量风电数据中的异常值；以及基于对抗生成网络的缺失值填补方法，用于探索风电数据的变化规律，从而填补风电数据的缺失值和上一步骤中剔除的异常值；以及面向海量风电数据的归一化方法，用于统一风电数据中不同特征的量纲；以及基于门控循环单元网络的风电功率预测方法，用于高精度超短期风电输出功率预测。本发明可高精度还原风电原始数据的缺失值和剔除的异常值，分析风电数据在时间序列上的变化情况，更好地对异常检测后的风电数据进行插值，得到完整的数据集，准确预测超短期风电输出功率。
-
公开(公告)号：CN118863440A
公开(公告)日：2024-10-29
申请号：CN202411024165.2
申请日：2024-07-29
Applicant: 内蒙古工业大学
IPC: G06Q10/0631 , G06Q50/04 , G06Q10/04 , G06N3/006
Abstract: 本发明提出了基于改进PSO算法的柔性作业车间生产调度优化方法及系统，方法包括：获取柔性作业车间调度的原始数据，对原始数据进行预处理；初始化粒子群；根据精英保留策略迭代计算每个粒子的适应度值，根据每次迭代的适应度值更新下一次的更新粒子的速度和位置，当每次粒子的位置更新后，再次重新计算每个粒子的适应度值；根据每个粒子的适应度值的最优解对应更新个体或全局的位置和适应度值；当前迭代的次数达到最大迭代次数或粒子的当前适应度值达到全局最优适应度值，则停止迭代，并输出最优的调度方案和对应最好的最大完工时间。本发明解决大规模生产调度问题，提升生产效率并降低生产成本。
-
公开(公告)号：CN116865255A
公开(公告)日：2023-10-10
申请号：CN202310845748.0
申请日：2023-07-11
Applicant: 内蒙古工业大学
IPC: H02J3/00 , G06N3/045 , G06N3/0442 , G06N3/084 , G06N3/047 , G06F18/213
Abstract: 一种基于改进熵权法和SECEEMD的短期风电功率预测方法，首先将多种相关性分析方法结合，对数值气象预报数据进行分析，准确选择出与风电功率相关性较高的气象特征；同时结合风电输出功率数据，使用样本熵对CEEMD分解方法进行改进，得出一种SECEEMD分解算法；然后分别建立NWP‑CCE‑LSTM预测模型和SECEEMD‑BP预测模型，并通过贝叶斯优化算法优化长短期记忆神经网络和BP神经网络结构；最后，通过将贝叶斯优化算法与熵权法结合找到两个预测模型输出结果的最优权重，并对预测结果进行加权组合，得出短期风电输出功率预测结果。本发明能够在预测短期风电输出功率时，具有更高的预测精度和更快的训练速度。
-
公开(公告)号：CN115330026A
公开(公告)日：2022-11-11
申请号：CN202210845311.2
申请日：2022-07-19
Applicant: 内蒙古工业大学
IPC: G06Q10/04 , G06Q50/06 , G06F16/215 , G06F16/2458 , G06F17/16
Abstract: 本发明提供了一种基于Transformer和改进掩码矩阵的风电功率预测方法，该方法将含有缺失值的原始数据与位置矩阵相加，然后与改进掩码矩阵相乘以构造主动缺失，得到带有位置信息和掩码信息的时间序列数据，该时间序列数据作为Transformer中编码器的输入矩阵得到重构数据，计算重构数据中主动缺失部分与原始数据中主动缺失部分之间的损失；根据重构数据和所述位置矩阵，将原始数据中的缺失值插补，当Transformer模型收敛的时候，此时使用重构数据对原始数据插补出来的结果为最终插补的结果；最终利用插补得到的数据集进行风电功能预测。本发明能够在数据集不完整的情况下准确地预测风电功率。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.03 seconds)
