公开(公告)号：CN119813169A

公开(公告)日：2025-04-11

申请号：CN202411826758.0

申请日：2024-12-12

Applicant: 江苏海洋大学

Inventor： 赵世伟 ,  贾东宝 ,  董蓉蓉 ,  严志虎 ,  立凯 ,  仲兆满

IPC: H02J3/00 ,  G06F18/213 ,  G06F18/2131 ,  G06F18/25 ,  G06N3/126 ,  G06N3/006

Abstract: 本发明公开了基于进化型变分模态分解的能源发电量预测方法，旨在提高能源发电量预测的准确性和效率。该方法通过将能源发电量时间序列分解为高频、中频和低频三个模态，低频模态采用最小二乘法进行趋势平滑，中频模态通过差分滤波器去除趋势成分以增强周期波动的捕捉能力，高频模态使用树突学习模型进行稳定预测。结合多种群优化的物质状态搜索算法对模态权重进行自适应调整，并通过加权求和方法融合各模态的预测结果。此方法有效应对在能源发电量预测中周期性和趋势性特征的捕捉问题，从而优化了电力系统管理和资源分配效率。

公开(公告)号：CN118445591B

公开(公告)日：2024-11-26

申请号：CN202410654394.6

申请日：2024-05-24

Applicant: 江苏海洋大学 ,  蓝湾海洋资源开发技术创新中心

Inventor： 贾东宝 ,  陈众敬 ,  戴红伟 ,  立凯 ,  杨玉 ,  赵世伟

IPC: G06F18/213 ,  G06F18/10 ,  G06F18/27 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了基于序列特征分解算法的化工灾害预测方法，旨在通过高效分解和分析化工生产数据，准确预测潜在的灾害风险。该方法结合了序列特征分解(SFDL)和树突状学习模型(DLM)，通过将时间序列数据分解为季节性、趋势性和残差分量，使用深度学习技术精确模拟和预测化工过程中的动态变化。SFDLM算法不依赖于传统的数学模型构建，直接从实际数据中学习特征，有效处理非线性问题，提高预测的准确性和实时性。通过实验比较，该算法在多个数据集上显示出较低的均方误差、平均绝对百分比误差和平均绝对误差，显着优于现有的Elman、MLP、LSTM、ANFIS、SVM和SARIMA算法。本发明适用于化工企业的安全管理，能显著提升灾害预测的准确性和效率，具有广泛的应用前景。

公开(公告)号：CN118445591A

公开(公告)日：2024-08-06

申请号：CN202410654394.6

申请日：2024-05-24

Applicant: 江苏海洋大学 ,  蓝湾海洋资源开发技术创新中心

Inventor： 贾东宝 ,  陈众敬 ,  戴红伟 ,  立凯 ,  杨玉 ,  赵世伟

IPC: G06F18/213 ,  G06F18/10 ,  G06F18/27 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了基于序列特征分解算法的化工灾害预测方法，旨在通过高效分解和分析化工生产数据，准确预测潜在的灾害风险。该方法结合了序列特征分解(SFDL)和树突状学习模型(DLM)，通过将时间序列数据分解为季节性、趋势性和残差分量，使用深度学习技术精确模拟和预测化工过程中的动态变化。SFDLM算法不依赖于传统的数学模型构建，直接从实际数据中学习特征，有效处理非线性问题，提高预测的准确性和实时性。通过实验比较，该算法在多个数据集上显示出较低的均方误差、平均绝对百分比误差和平均绝对误差，显着优于现有的Elman、MLP、LSTM、ANFIS、SVM和SARIMA算法。本发明适用于化工企业的安全管理，能显著提升灾害预测的准确性和效率，具有广泛的应用前景。