-
公开(公告)号:CN119539212A
公开(公告)日:2025-02-28
申请号:CN202510103963.2
申请日:2025-01-23
Applicant: 南昌大学
IPC: G06Q10/04 , G06Q40/08 , G06F18/20 , G06F18/21 , G06F18/211 , G06F18/213
Abstract: 本发明公开了基于多维特征ML的城市级退役动力电池量预测方法及系统,方法包括:获取预设时间段内新能源汽车上险量和N种城市特征值构建数据集;对N种城市特征值进行分析,确定影响新能源汽车上险量的城市关键特征值及其权重值;根据城市关键特征值及其权重值筛选数据集,并利用筛选后的数据集训练多种调优的机器学习模型;评估各机器学习模型的预测性能,分别为预测乘用车和商用车上险量选取最佳模型;将未来城市关键特征值输入最佳模型以预测新能源汽车上险量;基于预测的新能源汽车上险量,利用新能源汽车的电池类型占比和电池特性,结合Weibull寿命分布,预测城市级退役动力电池量。本发明能够实现对城市级退役动力电池量的预测准确性与实用性。
-
公开(公告)号:CN119782787A
公开(公告)日:2025-04-08
申请号:CN202510279232.3
申请日:2025-03-11
Applicant: 南昌大学
IPC: G06F18/213 , G06Q10/0631 , G06Q50/26 , G06Q10/04
Abstract: 本发明提供了一种基于ANN的社区低值可回收物投递量预测方法,旨在优化智能回收系统的资源分配和布局策略。通过收集覆盖多个社区的低值可回收物投递站点的历史投递数据及其外部特征数据,进行数据预处理,训练生成ANN模型,该模型能够捕捉居民投递行为的复杂模式关系,为每个可回收物投递站点未来3至7天的投递量提供短期精确预测。此外,选取了社区综合品质得分和便利性特征为社区分类的两大依据,基于K均值聚类方法实现了对社区差异化的清运与资源调度策略制定,从而提高智能回收系统的运营效率和可持续发展能力。
-