-
公开(公告)号：CN114462578A
公开(公告)日：2022-05-10
申请号：CN202210123815.3
申请日：2022-02-10
Applicant: 南京信息工程大学
Abstract: 本公开属于短临降水预报领域，具体涉及一种提高短临降水预报精度的方法，包括以下方法：采集用于进行天气临近预报的连续雷达回波图像，雷达回波图像转化为张量；张量通过四层MFI‑LSTM网络进行叠加处理，得到当前时刻网络输出张量；将当前时刻网络输出张量进行转化为对应的雷达回波图；从新获取的雷达回波图进行采集短临降水预报信息；MFI‑LSTM网络由多尺度特征交互模块、卷积LSTM门控机制和记忆特征交互模块三部分构成。本发明在LSTM模型的基础上，加入了多尺度特征交互模块和记忆特征交互模块两个全新的结构，增强了输入数据、隐藏状态和记忆单元三者特征信息的交互，能够防止原先LSTM在雷达回波外推任务中因预测错误累积导致最终雷达回波强度预测不准确的问题。
-
公开(公告)号：CN114118592B
公开(公告)日：2024-06-14
申请号：CN202111442983.0
申请日：2021-11-30
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q30/0201 , G06Q50/06 , G06N3/0442 , G06N3/084
Abstract: 本发明公开一种智能电网用电端短期能耗预测系统，属于智能电网用电端耗能测试领域；一种智能电网用电端短期能耗预测系统由数据清洗模块、特征提取模块以及数据预测模块组成；所述数据清洗模块先将特征向量进行划分，再将划分好的数据集输入卡尔曼滤波模块中进行数据清洗，筛除错误的数据，填补遗漏的数据，平滑数据曲线，从而达到提高预测精度的目的。之后用残差LSTM网络组对输入的数据进行特征提取，同时使用加权损失函数，对数据中的极值进行判别，达到提高极值预测的精度，之后将得到数据的特征信息放入定义好的预测模型进行预测；最后，采用重定义好的判别指标进行判断，分析出极值预测结果。
-
Patent Agency Ranking
公开(公告)号：CN114649079A
公开(公告)日：2022-06-21
申请号：CN202210305564.0
申请日：2022-03-25
Applicant: 南京信息工程大学无锡研究院
Abstract: 本发明公开了一种面向GCN和双向GRU的编解码器的预测方法，其网络框架主要由数据清洗模块，特征提取模块和数据预测模块组成，数据清洗模块主要由数据输入模块和卡尔曼滤波模块构成，数据输入模块将输入的数据集划分为三类:前1/2作为训练集数据，后1/4作为测试集数据，剩余的1/4作为验证集数据。再将划分好的数据集输入卡尔曼滤波模块中进行数据清洗，筛除错误的数据，填补遗漏的数据，平滑数据曲线，从而达到提高预测精度的目的。接着用GCN编码器和双向GRU解码器对输入的数据进行特征提取，之后将得到数据的特征信息放入定义好的预测模型进行预测。本发明解决了对于中短期时间序列预测结果精度较低，效果较差的问题。
-
公开(公告)号：CN114462578B
公开(公告)日：2025-04-18
申请号：CN202210123815.3
申请日：2022-02-10
Applicant: 南京信息工程大学
IPC: G06N3/045 , G06N3/0442 , G06N3/082 , G01W1/14
Abstract: 本公开属于短临降水预报领域，具体涉及一种提高短临降水预报精度的方法，包括以下方法：采集用于进行天气临近预报的连续雷达回波图像，雷达回波图像转化为张量；张量通过四层MFI‑LSTM网络进行叠加处理，得到当前时刻网络输出张量；将当前时刻网络输出张量进行转化为对应的雷达回波图；从新获取的雷达回波图进行采集短临降水预报信息；MFI‑LSTM网络由多尺度特征交互模块、卷积LSTM门控机制和记忆特征交互模块三部分构成。本发明在LSTM模型的基础上，加入了多尺度特征交互模块和记忆特征交互模块两个全新的结构，增强了输入数据、隐藏状态和记忆单元三者特征信息的交互，能够防止原先LSTM在雷达回波外推任务中因预测错误累积导致最终雷达回波强度预测不准确的问题。
-
公开(公告)号：CN114649079B
公开(公告)日：2025-02-14
申请号：CN202210305564.0
申请日：2022-03-25
Applicant: 南京信息工程大学无锡研究院
IPC: G16H20/30 , G16H50/20 , H03H17/02 , G06F18/241 , G06N3/045 , G06N3/0442 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种面向GCN和双向GRU的编解码器的预测方法，其网络框架主要由数据清洗模块，特征提取模块和数据预测模块组成，数据清洗模块主要由数据输入模块和卡尔曼滤波模块构成，数据输入模块将输入的数据集划分为三类:前1/2作为训练集数据，后1/4作为测试集数据，剩余的1/4作为验证集数据。再将划分好的数据集输入卡尔曼滤波模块中进行数据清洗，筛除错误的数据，填补遗漏的数据，平滑数据曲线，从而达到提高预测精度的目的。接着用GCN编码器和双向GRU解码器对输入的数据进行特征提取，之后将得到数据的特征信息放入定义好的预测模型进行预测。本发明解决了对于中短期时间序列预测结果精度较低，效果较差的问题。
-
公开(公告)号：CN114639020A
公开(公告)日：2022-06-17
申请号：CN202210303635.3
申请日：2022-03-24
Applicant: 南京信息工程大学
Abstract: 本发明提供一种图像的目标物的分割网络、分割系统及其分割装置，涉及遥感图像语义分割领域。该图像的目标物的分割网络、分割系统及其分割装置，包括主干网络、多尺度中间层构件和解码模块，所述多尺度中间层构件包括注意力模块和特征融合模块。所述注意力模块用于提取的特征图，所述特征图经过特征模块进行处理后用以表示多尺度信息。本发明能够捕获到高分辨率遥感图像的深层语义信息和多尺度信息，提高预测的准确性。
-
公开(公告)号：CN114118592A
公开(公告)日：2022-03-01
申请号：CN202111442983.0
申请日：2021-11-30
Applicant: 南京信息工程大学
Abstract: 本发明公开一种智能电网用电端短期能耗预测系统，属于智能电网用电端耗能测试领域；一种智能电网用电端短期能耗预测系统由数据清洗模块、特征提取模块以及数据预测模块组成；所述数据清洗模块先将特征向量进行划分，再将划分好的数据集输入卡尔曼滤波模块中进行数据清洗，筛除错误的数据，填补遗漏的数据，平滑数据曲线，从而达到提高预测精度的目的。之后用残差LSTM网络组对输入的数据进行特征提取，同时使用加权损失函数，对数据中的极值进行判别，达到提高极值预测的精度，之后将得到数据的特征信息放入定义好的预测模型进行预测；最后，采用重定义好的判别指标进行判断，分析出极值预测结果。
-
-
-
-
-
-
Search Results
7
records
(took 0.025 seconds)
