公开(公告)号：CN111144650A

公开(公告)日：2020-05-12

申请号：CN201911364463.5

申请日：2019-12-26

Applicant: 南京工程学院

Inventor： 卞海红 ,  王倩 ,  李诗谦 ,  王思潮

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/02

Abstract: 本发明公开了一种电力负荷预测方法、装置、计算机可读存储介质及设备，本发明包括采集负荷数据以及与负荷指标相关的温度和降雨量这两个气象数据；将气象因素与负荷指标进行关联度分析，剔除关联度低的因素；利用变分模态分解算法对数据进行分解；建立广义回归神经网络模型；将分解后的数据代入广义回归神经网络模型进行预测，得到预测结果。本发明可以有效的去除噪声、提高负荷预测精度、降低建模任务量，从而验证了所提模型的可行性。

公开(公告)号：CN113344245A

公开(公告)日：2021-09-03

申请号：CN202110484041.2

申请日：2021-04-30

Applicant: 南京工程学院

Inventor： 李诗谦 ,  狄潇 ,  李佳鑫 ,  周一健 ,  王倩

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

Abstract: 本发明公开了一种混合深度学习短期预测模型、方法、存储介质和计算设备，包括采集近期负荷数据，划分训练集和预测集。首先利用SVD算法对数据进行分解，提取有效信息；其次，采用VMD分解算法对所得残差进行二次分解，减小序列波动性和随机性；再次，将分解获得的分量分别使用LSTM和TCN模型预测；另外，在LSTM和TCN训练时，使用遗传算法寻找模型中的最优超参数；最后，将每个成分的预测值相加，得到预测结果。本发明基于电力负荷数据，依次对数据进行降维、分解，有效组合多种算法，训练LSTM和TCN模型，弥补了单模型的性能缺陷，使模型获得更高的预测精度。

公开(公告)号：CN113128615A

公开(公告)日：2021-07-16

申请号：CN202110484059.2

申请日：2021-04-30

Applicant: 南京工程学院

Inventor： 李佳鑫 ,  周一健 ,  李诗谦 ,  雷镇哲 ,  王倩

IPC: G06K9/62 ,  G06N3/08 ,  G06N3/04 ,  H04L29/06 ,  H04L12/24

Abstract: 本发明公开了一种基于PCA的BP神经网络对信息安全的检测系统、方法、应用，包括采集近期影响信息安全的风险因素的数据，模拟专家对评价因素集进行评价。构建训练样本和预测样本；利用SVD对训练样本和预测样本中的数据进行降维处理；用降维后的训练样本进行模糊小脑神经网络训练；将降维后预测样本带入训练好的模糊小脑神经网络，获得预测结果。同时公开了相应的系统以及应用。本发明基于影响信息安全的风险因素种类、风险等级数据，依次对数据进行降维、分解，训练神经网络，最后神经网络进行预测，大大增强了预测的准确性。