公开(公告)号：CN117934249A

公开(公告)日：2024-04-26

申请号：CN202410105414.4

申请日：2024-01-25

Applicant: 安徽大学 ,  合肥工业大学

Inventor： 夏平凡 ,  朱旭辉 ,  马国灿 ,  程爽 ,  彭张林 ,  彭承亮

IPC: G06Q50/40 ,  G06F18/214 ,  G06F18/23213 ,  G06F18/241 ,  G06N3/006

Abstract: 本发明公开了一种基于启发式的两阶段选择性集成的航运事故风险预测方法，包括：1、获取航运事故数据集，并划分为训练集G1和验证集G2，从而构造原始基分类池；2、用K‑means++算法对ELM分类器进行预选择，获得n’个具有较大差异性的航运事故风险预测基模型；3、改进哈里斯鹰优化算法并进行二次选择，得到综合性能较优的m’个航运事故风险预测基模型的组合方案；4、进行航运事故风险集成预测。本发明引入混沌初始化策略、反向折射学习机制改进标准哈里斯鹰优化算法，提高航运事故风险预测准确性和预测效率，为航运从业者风险决策提供支持。

公开(公告)号：CN117195889A

公开(公告)日：2023-12-08

申请号：CN202311326870.3

申请日：2023-10-13

Applicant: 合肥工业大学 ,  安徽大学

Inventor： 朱旭辉 ,  孟檬 ,  倪志伟 ,  夏平凡 ,  彭张林 ,  倪丽萍

IPC: G06F40/289 ,  G06N3/0442 ,  G06F18/25 ,  G06F18/213 ,  G06Q10/0631

Abstract: 本发明公开了一种基于多源多模态数据协同驱动的焦炭需求预测方法，其步骤包括：1、构建多模态焦炭需求的数据集；2、构建特征提取模型，用于提取多模态焦炭需求的特征；3、构建跨模态注意力机制模型，用于融合多模态焦炭需求的特征；4、利用融合后的特征预测需求。本发明通过深度学习方法辅助采购人员进行生产、采购计划的制定，充分利用生产资源，从而能实现企业降本增效的目标。

公开(公告)号：CN118940986A

公开(公告)日：2024-11-12

申请号：CN202410621434.7

申请日：2024-05-20

Applicant: 合肥工业大学 ,  安徽大学

Inventor： 朱旭辉 ,  马成功 ,  夏平凡 ,  彭张林 ,  倪志伟 ,  倪丽萍

IPC: G06Q10/0631 ,  G06Q50/04 ,  G06F40/30 ,  G06F40/284 ,  G06F40/16 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/084

Abstract: 本发明公开了一种基于多特征融合深度神经网络的焦炭需求预测方法，包括：1、对焦炭需求的数值型数据集进行预处理；2、对焦炭需求的文本型数据集进行预处理；3、通过Transformer对特征进行预提取；4、利用GRU、BiGRU、BiLSTM进行特征提取；5、将提取的特征融合后进行需求预测。本发明能实现焦炭需求的准确预测，不仅为采购人员的生产和采购规划提供了强有力的决策支持，还最大化地提升了生产资源的有效使用，从而帮助企业在降低成本的同时提高效率。

公开(公告)号：CN117077963A

公开(公告)日：2023-11-17

申请号：CN202311098551.1

申请日：2023-08-29

Applicant: 合肥工业大学 ,  安徽大学

Inventor： 朱旭辉 ,  马国灿 ,  倪志伟 ,  夏平凡 ,  彭张林 ,  倪丽萍 ,  张子路

IPC: G06Q10/0631 ,  G06N3/006 ,  G06Q50/04

Abstract: 本发明公开了一种考虑机器均衡负载的混合流水车间智能排产方法，其步骤包括：1、获取加工工序与加工时间等数据；2、构建混合流水车间排产模型；3、改进灰狼算法并求解排产模型。本发明改进灰狼算法的初始化方法与更新机制，并针对子种群设计群狼交流、狼群迁徙等机制，并用于求解混合流水车间排产问题，更符合现实排产中快速响应需求；在求解多工件多阶段排产的问题上较传统精确式排产效率更高，从而减少时间成本；同时以最小化最大机器负载为目标函数，利于平衡所有机器工作负载，并在工件选择机器底层机制考虑机器负载，能有效避免部分机器长时间高负载运转，并能提升机器持续运行能力。

公开(公告)号：CN118710172A

公开(公告)日：2024-09-27

申请号：CN202410639266.4

申请日：2024-05-22

Applicant: 安徽大学

Inventor： 夏平凡 ,  胡红 ,  冯乐 ,  马国灿 ,  朱瑞鼎 ,  张艳艳 ,  刘静

IPC: G06Q10/087 ,  G06Q10/04 ,  G06Q30/0202 ,  G06Q30/0201 ,  G06F18/211 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种融合认知大模型和多模态深度学习的电解铜需求预测方法，包括:1、从金属行业网站获取电解铜需求数值数据，并通过大语言模型获取文本数据，从而构建多模态电解铜需求指标体系以及多模态电解铜需求数据集；2、构建双通道特征提取模型，并提取电解铜需求特征；3、构建多头注意力机制模型，用于融合数值特征与文本特征；4、使用凌日优化算法对模型的参数进行寻优，并得到最佳参数组合；5、利用最佳参数组合下的模型进行需求预测。本发明融合认知大模型和多模态深度学习，并对电解铜需求进行预测，从而为锂电企业制定电解铜的采购计划提供参考，以有效控制采购成本，并避免库存积压或短缺。

公开(公告)号：CN117610739A

公开(公告)日：2024-02-27

申请号：CN202311730743.X

申请日：2023-12-15

Applicant: 合肥工业大学 ,  安徽大学

Inventor： 朱旭辉 ,  余莹莹 ,  倪志伟 ,  夏平凡 ,  彭张林 ,  倪丽萍

IPC: G06Q10/04 ,  G06Q10/0637 ,  G06N3/006

Abstract: 本发明公开了一种基于离散金豺优化算法的原材料采购量和采购时间点的优化方法，包括：1构建单周期原料采购决策优化模型，2离散金豺优化算法求解采购决策优化模型，得到最优采购方案。本发明能从多个供应商处得到采购的最优原材料采购量以及最优采购时间点，从而在保证连续生产的基础上，降低库存水平以及总不合格品采购数量，以提高采购供应链效率，实现智能化采购决策。