-
公开(公告)号：CN109146156B
公开(公告)日：2021-12-03
申请号：CN201810874219.2
申请日：2018-08-03
Applicant: 大连理工大学
Abstract: 本发明提供一种用于预测充电桩系统充电量的方法，属于充电汽车充电桩领域。该方法首先利用充电量数据的周期性特点，还利用充电量数据的时间序列性特点和趋势性特点，大幅提高了对数据的利用和预测精度，其次考虑到外部特征节假日、充电桩所在区域对充电量的影响，将其加入到预测模型中，大幅提高了预测精度和对特殊值的预测。本发明的方法不仅大幅提高短时充电量预测的准确度，而且能够在较高的准确度下预测长时充电量。
-
公开(公告)号：CN110619430A
公开(公告)日：2019-12-27
申请号：CN201910826273.4
申请日：2019-09-03
Applicant: 大连理工大学
Abstract: 本发明提供了一种用于交通预测的时空注意力机制方法，属于交通预测领域。本发明是一种端到端解决方案的交通预测框架，它可以对空间、短期和长期的周期性依赖关系进行建模。APTN首先使用编码器的注意力机制来对空间依赖项和周期依赖项进行建模。我们的模型可以更容易地捕获这些依赖关系，因为每个节点都要处理网络中的所有其他节点。然后，应用时间注意选择相关的编码器隐藏状态跨越所有时间步骤。我们使用真实世界的交通数据集来评估我们提出的模型，并观察在最先进的基线上的一致性改进。
-
公开(公告)号：CN110619430B
公开(公告)日：2022-09-16
申请号：CN201910826273.4
申请日：2019-09-03
Applicant: 大连理工大学
Abstract: 本发明提供了一种用于交通预测的时空注意力机制方法，属于交通预测领域。本发明是一种端到端解决方案的交通预测框架，它可以对空间、短期和长期的周期性依赖关系进行建模。APTN首先使用编码器的注意力机制来对空间依赖项和周期依赖项进行建模。我们的模型可以更容易地捕获这些依赖关系，因为每个节点都要处理网络中的所有其他节点。然后，应用时间注意选择相关的编码器隐藏状态跨越所有时间步骤。我们使用真实世界的交通数据集来评估我们提出的模型，并观察在最先进的基线上的一致性改进。
-
公开(公告)号：CN109146156A
公开(公告)日：2019-01-04
申请号：CN201810874219.2
申请日：2018-08-03
Applicant: 大连理工大学
CPC classification number: G06Q10/04 , G06N3/0454
Abstract: 本发明提供一种用于预测充电桩系统充电量的方法，属于充电汽车充电桩领域。该方法首先利用充电量数据的周期性特点，还利用充电量数据的时间序列性特点和趋势性特点，大幅提高了对数据的利用和预测精度，其次考虑到外部特征节假日、充电桩所在区域对充电量的影响，将其加入到预测模型中，大幅提高了预测精度和对特殊值的预测。本发明的方法不仅大幅提高短时充电量预测的准确度，而且能够在较高的准确度下预测长时充电量。
-
-
-
Search Results
4
records
(took 0.018 seconds)
