公开(公告)号：CN107818340A

公开(公告)日：2018-03-20

申请号：CN201711004470.5

申请日：2017-10-25

Applicant: 福州大学

Inventor： 赵超 ,  陈肇泉 ,  郑守锦

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06K9/6223 ,  G06K9/6256 ,  G06N3/0481 ,  G06N3/084

Abstract: 本发明涉及一种基于K值聚类和小波神经网络的二阶段空调负荷预测方法。通过K均值聚类方法将样本数据划分为若干簇类，以降低数据相关性对建模精度的影响；再者对每个簇类所属的样本数据建立相应小波神经网络模型。提高对空调负荷预测的精度。本发明可有效的应用于办公大楼的逐时空调负荷预测，具有很高的预测精度和可靠性能。

公开(公告)号：CN109284877A

公开(公告)日：2019-01-29

申请号：CN201811374102.4

申请日：2018-11-19

Applicant: 福州大学

Inventor： 赵超 ,  王斌 ,  陈肇泉

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F17/50 ,  G06N3/00

Abstract: 本发明涉及一种基于AIGA-WLSSVM埋地管道腐蚀速率预测方法。通过结合AIGA高效全局寻优能力和WLSSVM算法较强的鲁棒性能，有效提高了模型的预测精度。通过对实际埋地管道腐蚀数据进行建模和预测，证明了使用该方法建立的埋地管道腐蚀速率预测模型是有效、可靠的，这也为埋地管道的检修与更换提供理论依据。

公开(公告)号：CN108204944A

公开(公告)日：2018-06-26

申请号：CN201810039763.5

申请日：2018-01-13

Applicant: 福州大学

Inventor： 赵超 ,  陈肇泉 ,  王斌

IPC: G01N17/00 ,  G06F17/50

Abstract: 本发明涉及一种基于APSO优化的LSSVM的埋地管道腐蚀速率预测方法。该方法基于自适应粒子群（APSO）优化的最小二乘支持向量机（LSSVM）应用于埋地管道腐蚀速率预测中。本发明方法对改善埋地管道腐蚀速率的预测效果显著，LSSVM模型在建模过程中具有更快的学习速度，同时，采用APSO进行参数优化，提高了模型的预测精度和泛化能力，在埋地管道腐蚀速率预测中可用性很强。