一种基于多源数据特征融合的多模态交通流量预测方法

    公开(公告)号:CN119323879A

    公开(公告)日:2025-01-17

    申请号:CN202411338723.2

    申请日:2024-09-25

    Abstract: 本发明公开了一种基于多源数据特征融合的多模态交通流量预测方法,包括:获取交通数据;根据交通数据划分训练集和测试集;构建交通预测模型,采用训练集对交通预测模型进行训练;采用测试集对交通预测模型进行验证;其中,交通预测模型包括:云图编码器,用于对云图数据进行特征提取,获得云图特征;时空编码器,用于对时空数据进行特征提取,获得时空特征;融合模块,用于将云图特征和时空特征进行融合,获得融合特征;将云图特征、时空特征和融合特征进行相加操作,输入时空解码器进行预测,获得最终的预测结果。本发明融合多方位多维度信息,精简时空特征提取过程中的冗余信息,实现了高效且高精度的预测,可广泛应用于交通流量预测技术领域。

    用于配电网络状态估计的神经网络嵌入方法、设备及介质

    公开(公告)号:CN119416404A

    公开(公告)日:2025-02-11

    申请号:CN202411343671.8

    申请日:2024-09-25

    Abstract: 本发明公开了一种用于配电网络状态估计的神经网络嵌入方法、装置、电子设备及介质,其中方法包括:获取输入序列;通过时空先验信息嵌入,将时间信息和节点类型信息嵌入到向量中,获得时空嵌入向量;根据最优潮流的功率流动方向对感兴趣的节点进行采样,并融合节点信息,获得节点嵌入向量;使用图同构神经网络捕捉图的局部,将其嵌入到特征向量中,获得结构嵌入向量;将输入序列和三个向量进行融合,并输入图时空预测网络,输出预测结果。本发明通过引入时空先验信息、基于最优潮流方向的图节点嵌入以及图同构神经网络的图结构嵌入,实现了对配电网络特性的建模,弥补了现有技术在配电网络专有建模上的不足,提升了配电网络状态估计的准确性。

Patent Agency Ranking