-
公开(公告)号：CN112258251A
公开(公告)日：2021-01-22
申请号：CN202011294838.8
申请日：2020-11-18
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于灰色关联的电动汽车换电需求的集成学习预测方法及系统，包括：构建数据集并进行预处理，将预处理后的数据集分为训练集和测试集；选择k个基学习器，采用交叉验证方式让每个基学习器对训练集的样本进行训练并预测；对于测试集中的每一个输入样本，通过灰色关联分析选择其最佳相似日训练集；根据各基学习器在最佳相似日训练集中的预测结果，建立预测偏差最小化优化模型，并采用带权重系数的L1范数作为正则项；基于优化模型求解得到的各基学习器的权重系数，得到集成预测器，基于集成预测器得到集成学习预测结果。本发明能够有效降低预测偏差，对于随机波动性大的数据具有更好的预测效果，能够更加适应实际中获取的数据集。
-
公开(公告)号：CN115870345A
公开(公告)日：2023-03-31
申请号：CN202310075993.8
申请日：2023-02-07
Applicant: 北京理工大学
Abstract: 一种考虑不确定轧制时间的热轧调度方法和系统，涉及自动控制技术领域，包括如下步骤：S1、基于轧制相邻的板坯之间的宽度、厚度和硬度差异的总惩罚构建目标函数；S2、基于板坯的轧制时间分布的不确定构建所述目标函数的约束条件；S3、基于所述约束条件对所述目标函数进行求解，且根据求解的结果确定调度方案；通过考虑板坯轧制时间的不确定性，利用有限的概率分布信息，确定板坯的轧制顺序和每块板坯的轧制时间，在轧制时间波动较大情况下，能够利用有限的概率分布信息，给出具有很好鲁棒性的可行调度方案，避免未考虑前一生产过程中不确定的延迟的影响，提升了调度效率，降低了板坯之间存在的宽度、厚度和硬度差异而造成的成本损耗。
-
Patent Agency Ranking
公开(公告)号：CN113408906B
公开(公告)日：2022-09-23
申请号：CN202110690646.7
申请日：2021-06-22
Applicant: 北京理工大学
Abstract: 本发明公开了一种高速列车停站方案与客流分配的联合优化方法，包括：考虑乘客出行需求的不确定性，基于条件概率的不确定性集描述乘客出行需求；基于不确定性集，构建两阶段鲁棒优化模型；其中，以列车停站方案作为第一阶段决策变量，以客流分配作为第二阶段决策变量；将两阶段鲁棒优化模型进行分析及等价转化，简化不确定性集；采用行列生成算法对转化后的两阶段鲁棒优化模型进行求解；其中，采用KKT条件的精确求解方法和近似求解方法求解行列生成算法中的子问题。本发明考虑乘客出行需求的不确定性，使决策更加符合实际情况，实用性更强；子问题近似求解方法可以快速的求出高精度的解，可以为实际的高速列车停站方案及客票分配提供决策依据。
-
公开(公告)号：CN112949948A
公开(公告)日：2021-06-11
申请号：CN202110470067.1
申请日：2021-04-28
Applicant: 北京理工大学
Abstract: 本发明公开了一种电动汽车分时段换电需求区间预测的集成学习方法及系统，包括：将预处理后的数据集分为训练集和测试集；选择k个基学习器，采用交叉验证方式让每个基学习器对训练集的样本进行训练并预测；对测试集中的每一个输入样本，通过灰色关联分析选择该输入样本的最佳相似日训练集；根据各基学习器在最佳相似日训练集中的预测结果，建立满足一定覆盖率的区间宽度最小化的优化模型，并采用带权重系数的L1范数作为正则项；基于优化模型求解得到的集成预测器的所需要的权重系数，得到集成预测器，基于集成预测器得到集成学习预测结果。本发明能够在满足一定覆盖率的基础上有效降低预测区间宽度，并且有较快的求解速度。
-
公开(公告)号：CN112258251B
公开(公告)日：2022-12-27
申请号：CN202011294838.8
申请日：2020-11-18
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于灰色关联的电动汽车换电需求的集成学习预测方法及系统，包括：构建数据集并进行预处理，将预处理后的数据集分为训练集和测试集；选择k个基学习器，采用交叉验证方式让每个基学习器对训练集的样本进行训练并预测；对于测试集中的每一个输入样本，通过灰色关联分析选择其最佳相似日训练集；根据各基学习器在最佳相似日训练集中的预测结果，建立预测偏差最小化优化模型，并采用带正则化系数的L1范数作为正则项；基于优化模型求解得到各基学习器的权重系数，进而得到集成预测器；基于集成预测器得到集成学习预测结果。本发明能够有效降低预测偏差，对于随机波动性大的数据具有更好的预测效果，能够更加适应实际中获取的数据集。
-
公开(公告)号：CN112949948B
公开(公告)日：2022-06-21
申请号：CN202110470067.1
申请日：2021-04-28
Applicant: 北京理工大学
Abstract: 本发明公开了一种电动汽车分时段换电需求区间预测的集成学习方法及系统，包括：将预处理后的数据集分为训练集和测试集；选择k个基学习器，采用交叉验证方式让每个基学习器对训练集的样本进行训练并预测；对测试集中的每一个输入样本，通过灰色关联分析选择该输入样本的最佳相似日训练集；根据各基学习器在最佳相似日训练集中的预测结果，建立满足一定覆盖率的区间宽度最小化的优化模型，并采用带权重系数的L1范数作为正则项；基于优化模型求解得到的集成预测器的所需要的权重系数，得到集成预测器，基于集成预测器得到集成学习预测结果。本发明能够在满足一定覆盖率的基础上有效降低预测区间宽度，并且有较快的求解速度。
-
公开(公告)号：CN113408906A
公开(公告)日：2021-09-17
申请号：CN202110690646.7
申请日：2021-06-22
Applicant: 北京理工大学
Abstract: 本发明公开了一种高速列车停站方案与客流分配的联合优化方法，包括：考虑乘客出行需求的不确定性，基于条件概率的不确定性集描述乘客出行需求；基于不确定性集，构建两阶段鲁棒优化模型；其中，以列车停站方案作为第一阶段决策变量，以客流分配作为第二阶段决策变量；将两阶段鲁棒优化模型进行分析及等价转化，简化不确定性集；采用行列生成算法对转化后的两阶段鲁棒优化模型进行求解；其中，采用KKT条件的精确求解方法和近似求解方法求解行列生成算法中的子问题。本发明考虑乘客出行需求的不确定性，使决策更加符合实际情况，实用性更强；子问题近似求解方法可以快速的求出高精度的解，可以为实际的高速列车停站方案及客票分配提供决策依据。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
