公开(公告)号：CN117932232B

公开(公告)日：2024-05-28

申请号：CN202410323185.3

申请日：2024-03-21

Applicant: 南京信息工程大学

Inventor： 曹广喜 ,  凌美君

IPC: G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0499 ,  G06N3/092 ,  G06N3/096

Abstract: 本发明公开了一种基于状态识别RIME‑DELM多变量时间序列预测的风速预测系统，包括数据收集模块、数据处理模块、预测结果评估模块、结果输出模块、迁移学习模块和强化学习模块；利用HMM单元和RIME‑DELM单元提取风速特征数据，利用RIME‑DELM单元处理具有随机性和不确定性的风速数据，利用HMM单元处理具有时序性和趋势性的风速数据，通过将两者结合起来，可以充分结合两者的优势，从而提高系统的准确性、稳定性和可靠性，解决单一时间序列法预测精度低的问题；同时，本发明通过引入迁移学习子模块提高学习效率、增强泛化能力、降低数据需求，通过引入强化学习子模块，可进一步提高系统的准确性和适应性。

公开(公告)号：CN117932232A

公开(公告)日：2024-04-26

申请号：CN202410323185.3

申请日：2024-03-21

Applicant: 南京信息工程大学

Inventor： 曹广喜 ,  凌美君

IPC: G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0499 ,  G06N3/092 ,  G06N3/096

Abstract: 本发明公开了一种基于状态识别RIME‑DLEM多变量时间序列预测的风速预测系统，包括数据收集模块、数据处理模块、预测结果评估模块、结果输出模块、迁移学习模块和强化学习模块；利用HMM单元和RIME‑DLEM单元提取风速特征数据，利用RIME‑DLEM单元处理具有随机性和不确定性的风速数据，利用HMM单元处理具有时序性和趋势性的风速数据，通过将两者结合起来，可以充分结合两者的优势，从而提高系统的准确性、稳定性和可靠性，解决单一时间序列法预测精度低的问题；同时，本发明通过引入迁移学习子模块提高学习效率、增强泛化能力、降低数据需求，通过引入强化学习子模块，可进一步提高系统的准确性和适应性。