公开(公告)号：CN119853015A

公开(公告)日：2025-04-18

申请号：CN202510058809.8

申请日：2025-01-15

Applicant: 河北工业大学

Inventor： 顾军华 ,  崔雨桐 ,  张亚娟 ,  蒋家海 ,  郭丁玮 ,  于继伟

IPC: H02J3/00 ,  G06N3/0455 ,  G06N3/048 ,  G06F18/2131 ,  G06N3/0464 ,  G06F18/25

Abstract: 本发明属于风电功率预测技术领域，具体是一种基于自适应小波分解和改进Transformer的时空风电功率预测方法。首先，获取目标风电场历史时期的风电功率序列以及影响风电功率的特征序列并进行预处理，计算各个特征序列与风电功率序列的相关性，保留与风电功率相关性高的特征序列，并对风电功率序列和保留的特征序列进行归一化处理；然后，提取风电功率序列和各个特征序列的频域特征；风电功率序列和各个特征序列的频域特征组成一个特征并对该特征进行周期性嵌入和空间嵌入，得到模型输入特征；最后，基于Transformer网络构建风电功率预测模型，包括U‑Net网络、逆傅里叶变换和预测层；将输入特征输入到U‑Net网络中进行特征提取，U‑Net网络的输出特征经过逆傅里叶变换后，再经过预测层，得到风电功率预测值。该方法解决了风电功率数据面临的高噪声、高波动性和非平稳性等问题，提高了预测精度。

公开(公告)号：CN119719339A

公开(公告)日：2025-03-28

申请号：CN202411794730.3

申请日：2024-12-09

Applicant: 河北工业大学

Inventor： 张亚娟 ,  安兴坤 ,  杨自凯 ,  王云鹤 ,  郭丁玮 ,  于继伟

IPC: G06F16/334 ,  G06F16/35 ,  G06F40/30 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明属于法律判决预测技术领域，具体是一种基于深度提取网络和文本结构分析的法律判决预测方法。采用的模型包括编码器、注意力层、深度提取网络和事实描述分离模块；事实描述和罪名定义经过编码，得到事实描述特征和罪名定义特征；事实描述特征和罪名定义特征经过上下文表示和注意力机制，得到融入法律知识的事实描述特征；融入法律知识的事实描述特征经过深度提取网络，得到事实描述的抽象表示，用于预测罪名；预测罪名经过编码，得到预测罪名特征；将预测罪名特征和事实描述的上下文表示经过事实描述分离模块，得到法条依据和刑期依据；法条依据经过另一个深度提取网络进行特征提取，得到法条依据语义特征，用于预测法条；预测法条经过编码，得到预测法条特征，用于预测刑期。通过深度提取网络提取事实描述中的显著特征和语义信息，充分提取事实描述中法条依据和刑期依据在文本结构上的依赖关系，提高了预测准确性。

公开(公告)号：CN119397248A

公开(公告)日：2025-02-07

申请号：CN202411614434.0

申请日：2024-11-13

Applicant: 河北工业大学

Inventor： 顾军华 ,  闫雨乐 ,  张亚娟 ,  郭丁玮 ,  于继伟

IPC: G06F18/213 ,  G06F18/22 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0985

Abstract: 本发明属于风电功率预测技术领域，具体是一种基于元学习和内容匹配的时空风电功率预测方法。首先获取由多个源域任务形成的源域数据集，以及获取目标域任务；然后，构建风电功率预测模型，包括周期性嵌入层、编码器、内容匹配存储网络和预测层；周期性嵌入层用于捕获风电功率数据的周期性信息，编码器分别提取时间特征和空间特征并进行融合，得到时空融合特征；内容匹配存储网络将编码器提取的时空融合特征与记忆力节点特征向量根据相似性进行匹配，得到匹配的节点特征向量；预测层利用匹配的节点特征向量和编码器提取的时空融合特征进行预测，输出风电功率预测结果；最后，利用源域数据集并基于元学习对风电功率预测模型进行训练，将源域训练后的风电功率预测模型迁移到目标域，用于目标域任务的预测。该方法充分考虑风电功率的时空相关性，模型具有良好的泛化能力和预测性能。