-
公开(公告)号：CN116415565A
公开(公告)日：2023-07-11
申请号：CN202310396068.5
申请日：2023-04-13
Applicant: 上海交通大学
IPC: G06F40/211 , G06F40/205 , G06F40/295 , G06F16/33 , G06N20/00
Abstract: 本发明提供了一种根据学术表格及其选中内容生成描述的方法及系统，包括：解析抽取PDF学术文献中的表格、表格背景知识以及表格内容相关的描述文本，并进行匹配；基于表格背景知识构建领域知识库，并对表格背景知识以及表格内容相关的描述文本进行预处理，将表格进行序列化处理得到序列化表格数据；使用预设模板拼接用户关注的预设表格中的信息和表格，构建关注的序列化表格数据；基于关注的序列化表格数据和领域知识库获得关键背景信息，基于获得的关键背景信息和关注的序列化表格数据生成序列化字符串；利用序列化字符串以及表格内容相关的描述文本训练文本生成模型，得到训练后的文本生成模型；利用训练后的文本生成模型预测并生成表格相关描述。
-
公开(公告)号：CN119939329A
公开(公告)日：2025-05-06
申请号：CN202411780658.9
申请日：2024-12-05
Applicant: 上海交通大学 , 上海人工智能创新中心
IPC: G06F18/241 , G06F18/2131 , G06F18/15 , G06F18/27 , G06N5/04 , G06N3/0455 , G06N7/01 , G06F123/02
Abstract: 本发明提供了一种基于趋势信号解耦和预测优化的多元时间序列预测方法和系统，包括：步骤1：使用短时傅立叶变换将趋势数值序列从原始时间序列信号中分离；步骤2：将趋势数值序列转换为累积概率密度序列；步骤3：采用轻量络级的全连接网络层，在不同频率、变量以及实部或虚部之间共享权重，并使用低通滤波器来去除高频信号噪音；步骤4：进行模型训练和推理，将趋势预测和多周期预测合并后，使用逆向短时傅里叶变换恢复时域预测值。本发明利用短时傅立叶变换从原始时间序列中分离出趋势信号，从而降低了原始信号的信息稀疏性，同时保留了更细粒度的趋势特征，提高了模型的学习效率。
-
公开(公告)号：CN119476586A
公开(公告)日：2025-02-18
申请号：CN202411535676.0
申请日：2024-10-31
Applicant: 李然 , 白磊 , 上海交通大学 , 上海人工智能创新中心
IPC: G06Q10/04 , H02J3/00 , H02J3/38 , G06Q50/06 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06F123/02
Abstract: 本发明提供了基于Swin‑Transformer框架的气象‑风电功率联合预测方法，涉及风电短期预测领域，包括以下步骤：获取历史风电时序功率数据和未来气象网格预报数据；将获取的历史风电时序功率数据和未来气象网格预报数据进行时空位置编码卷积，分别输出气象预报数组和历史功率的初始特征，将这两组初始特征在最后一维度上进行合并、填充形成一个新的特征数据；将新的特征数据输入到气象‑新能源预测模型中，输出融合特征，将融合特征再次卷积和一个MLP层得到最终的预测结果。本发明解决了气象网格数据与风电时序数据模态不一致，难以有效地融合并被机器学习模型理解的问题；解决了气象网格数据冗余度高，传统机器学习模型难以有效地利用并提升预测精度的问题。
-
公开(公告)号：CN119419773A
公开(公告)日：2025-02-11
申请号：CN202411535674.1
申请日：2024-10-31
IPC: H02J3/00 , G06Q10/04 , G06Q50/06 , G06F18/214 , G06N3/0455
Abstract: 本发明提供了基于数据生成技术的全球风电场功率预测预训练方法，基于历史气象数据，以及多种风速、尾流、空气密度、温度等物理模型，在全球范围内生成海量仿真风电场出力数据，并基于改进Transformer模型拟合仿真数据。本发明采用上述的基于数据生成技术的全球风电场功率预测预训练方法，不需要真实风电场的历史数据进行训练就能够适用于任意风电场，并取得好的预测效果，能够有效地解决当前风电短期预测模型高度定制化导致的普适性低的问题。
-
-
-
Search Results
4
records
(took 0.017 seconds)
