-
公开(公告)号：CN111126867B
公开(公告)日：2023-06-20
申请号：CN201911376303.2
申请日：2019-12-27
Applicant: 中南大学
IPC: G06Q10/0639 , G06Q10/20 , G06Q50/30 , G06N3/044 , G06N3/08
Abstract: 本发明公开了一种轨道系统多域关联的服役敏感度分析方法，包括对轨道系统进行全生命周期构成要素的分解；各个要素在安全域、性能域和环境域进行量化计算；建立数据集；建立安全域关联模型、性能域关联模型和环境域关联模型并获得多域强相关要素；根据多域强相关要素建立轨道系统全生命周期服役年限敏感度模型并得到最终的强相关要素服役年限敏感度分析结果。本发明方法能够对多域强相关要素对轨道系统的全生命周期服役年限的服役年限敏感度进行分析，而且可靠性高，实用性好。
-
公开(公告)号：CN109726802A
公开(公告)日：2019-05-07
申请号：CN201811643479.5
申请日：2018-12-29
Applicant: 中南大学
Abstract: 本发明公开了一种铁路和风电场环境风速机器学习预测方法，该方法选择多种神经网络模型，建立多种风速预测特征预选模型各100个，通过均方误差分析和相关性分析，选取性能好以及特征独立性强的模型各10个，然后建立多个风速预测集成模型，对风速预测特征进行集成处理，最后建立风速预测归一模型，对风速集成值进行归一处理，并计算预测风速向量与训练样本的风速向量之间的相关性，利用相关性强的对应时刻的风速噪声还原预测风速值，该方法能有效预测非平稳风速，对复杂，非线性风速值具有精准的预测效果。
-
公开(公告)号：CN109447499B
公开(公告)日：2022-03-22
申请号：CN201811327730.7
申请日：2018-11-08
Applicant: 中南大学 , 中车青岛四方机车车辆股份有限公司
Abstract: 本发明提供了一种轨道交通系统成本关键要素多域交互影响分析方法，通过对轨道交通系统成本大数据分解，将安全域、性能域、环境域和安全域边界条件进行量化，建立基于数据驱动的轨道交通系统成本要素安全域、性能域、环境域交互影响规律模型，在保证安全的前提下，分析成本要素在安全域、性能域、环境域的交互映射关系，确定轨道交通系统成本关键要素，为轨道交通系统全生命周期成本控制提供理论支撑。
-
公开(公告)号：CN109767043B
公开(公告)日：2020-11-24
申请号：CN201910043089.2
申请日：2019-01-17
Applicant: 中南大学
Abstract: 本发明公开了一种电力负荷时间序列大数据智能建模与预测方法，对电力负荷时间序列历史数据进行小波分解，将电力负荷时间序列历史数据分解为电力负荷高频时间序列历史数据和低频时间序列历史数据，然后对所有时间序列进行集成化处理，对时间序列进行聚类，对每种聚类类别的时间序列基于Elman神经网络建立负荷预测模型，最后对预测的分解后的电力负荷进行重构，完成对电力负荷时间序列的智能建模，从而实现对不同特征的电力负荷进行高效、智能预测。
-
公开(公告)号：CN109978275A
公开(公告)日：2019-07-05
申请号：CN201910267181.7
申请日：2019-04-03
Applicant: 中南大学
Abstract: 本发明公开了一种混合CFD和深度学习的极端大风风速预测方法及系统，基于风速测试样本和风向测试样本模拟目标区域大气流场，从而计算各子区域各网格划分方式的响应时间和模拟误差以及各内部测风装置的多个模拟风速序列；基于相应的模拟风速序列和风速测试样本训练风速转换模型，并基于风速测试样本训练风速预测模型；从而在对目标预测地点进行实时预测时，根据目标预测地点与最近内部测风装置之间的距离关系，智能匹配风速转换模型与风速预测模型的输出值，输出目标预测地点的最适风速预测值。本发明线下训练深度学习模型，提高预测的实时性，同时融合CFD方法，模拟目标地点大气流场，匹配最适深度学习模型，提升预测系统的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN109711593A
公开(公告)日：2019-05-03
申请号：CN201810846325.X
申请日：2018-07-27
Applicant: 中南大学
Abstract: 本发明提供了一种面向瞬时计算决策的高速铁路沿线风速预测方法，根据近期风速状况，通过在目标测风点构建目标测风站和时移测风站，对测风站的数据进行去噪处理后，利用极限学习机，对去噪后的风速数据进行训练，构建各测风站在多种步长下的风速预测模型；提前对利用各种步长构建的预测任务迭代向量进行筛选，获得各模型进行多种步长的最优预测组合，实现多步迭代预测，提高预测精度，降低随机误差的干扰；实现了铁路沿线风速超前预测，可以提前得知事故多发区域的风速环境状况，及时、有效地指导列车运行，保障列车运营安全。
-
公开(公告)号：CN109508835A
公开(公告)日：2019-03-22
申请号：CN201910000264.X
申请日：2019-01-01
Applicant: 中南大学
IPC: G06Q10/04 , G06Q10/06 , G06Q50/06 , G06F16/2458 , H02J3/00
Abstract: 本发明公开了一种融合环境反馈的智慧电网短期电力负荷预测方法，根据各用电单位的电力负荷数据变化的本质规律进行聚类分析，将目标预测区域划分区块，针对区块分别建立预测模型组，避免过量相关模型的干扰；以天为单位分析一周内各区块的电力负荷时间序列并根据其波动规律划分时段分别建立预测模型，提升电力负荷预测的预测精度；同时，考虑到电力负荷突变的影响因素，建立平均温度、平均湿度和风速同电力负荷预测误差之间的映射关系，智能嵌入外部环境因素，得到融合环境反馈的电力负荷预测模型，极大提升了预测模型对电力负荷突变事件的敏感度和适应能力，保证了预测方法的鲁棒性，提高了短期电力负荷预测的预测精度。
-
公开(公告)号：CN109376972A
公开(公告)日：2019-02-22
申请号：CN201910000269.2
申请日：2019-01-01
Applicant: 中南大学
Abstract: 本发明公开了一种基于区块聚类的智慧电网短期电力负荷预测方法，通过聚类分析，将区域内电力负荷数据变化的本质规律相近的用电单位划分到同一区块，按区块统一建立区块电力负荷预测模型组，避免模型冗杂，提升电力负荷预测模型的泛化能力和预测精度；同时，以周作为周期，分析一周内每一天电力负荷的波动规律，将一天划分为多个稳态时段，每个时段分别建立电力负荷预测模型，进一步降低电力负荷时间序列自身的波动干扰，大大提升了预测精度和鲁棒性。
-
公开(公告)号：CN109214582A
公开(公告)日：2019-01-15
申请号：CN201811099808.4
申请日：2018-09-20
Applicant: 中南大学
Abstract: 本发明公开了一种风向空间关联驱动的铁路沿线风速预测方法，对目标地点风速进行多模型集成预测，通过集成多个低相关模型，利用多目标优化算法进行多模型融合，得到最终风速预测模型，保证了进行融合多模型之间的低相关性，提升模型的泛化能力，显著提高了预测精度；通过在目标测风点构造三个地理环绕的辅助测风站，协同目标测风站，建立四个测风站之间的风向数据映射关系，利用四个测风站之间的风向地理信息，显著提高风向预测精度；利用本发明所提出的方法，当列车运行至伴有大风环境的地势崎岖等危险路段时，能够实现铁路沿线风速高精度超前预测，利用风向空间关联驱动的优势，避免了单一风速驱动的保守性，保障列车安全运行。
-
公开(公告)号：CN111027727B
公开(公告)日：2023-06-09
申请号：CN201911379311.2
申请日：2019-12-27
Applicant: 中南大学
IPC: G06Q10/20 , G06Q10/063 , G06Q50/30 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种轨道系统跨域运维关键要素辨识方法，包括对轨道系统进行全生命周期构成要素的分解；对各个要素在安全域、性能域和环境域进行量化计算；建立数据集；建立安全域分析模型、性能域分析模型和环境域分析模型并获得跨域运维强相关要素；根据跨域运维强相关要素建立全生命周期运维分析模型并得到强相关要素运维关键度；根据强相关要素运维关键度建立运维关键要素辨识模型并得到最终的跨域运维关键要素。本发明能够进行轨道系统的跨域运维关键要素分析确认，而且可靠性高，实用性好。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.02 seconds)
