-
公开(公告)号：CN115115416B
公开(公告)日：2024-07-02
申请号：CN202210862555.1
申请日：2022-07-21
Applicant: 湖南大学
IPC: G06Q30/0202 , G06F18/24 , G06F18/27 , G06F18/214 , G06F17/18 , G06N3/0442 , G06N3/048
Abstract: 本发明涉及一种商品销量预测方法。其发明内容主要包括：(1)基于多商品销量特征的滚动回归模型与深度学习模型的构建；(2)多种回归预测模型集成的销量精准预测方法。通过已被提出的商品历史销量和其它影响因素等特征，构建出滚动预测的回归模型，深度学习模型以及剔除异常值的深度学习模型。再将构建的多种模型进行回归集成，构建出最后的多模型集成回归预测学习器，从而对商品未来销量进行精准预测。
-
公开(公告)号：CN114325245B
公开(公告)日：2023-07-14
申请号：CN202210040970.9
申请日：2022-01-14
Applicant: 湖南大学 , 湖南湘能智能电器股份有限公司
IPC: G01R31/08
Abstract: 本发明公开了一种基于行波数据深度学习的输电线路故障选线与定位方法，利用深度学习模型不断迭代，从而自适应调整参数并学习行波数据的特征，计算输电线路组中各条线路之间的差异，选出故障线路；基于选取的故障线路，利用滑动窗口将双端故障行波数据分组，采用孪生神经网络构建双端行波数据相似度匹配模型，根据计算出的最大相似度来获取双端行波数据匹配窗口，从而根据窗口时间比例计算输电线路故障点所在位置。本发明使得行波数据的时序性得到了保障，可更好的使用特征选出故障线路。孪生神经网络根据匹配窗口计算双端行波传递时间比例从而确定故障发生的位置，具有较高的准确性。
-
Patent Agency Ranking
公开(公告)号：CN114358085B
公开(公告)日：2024-08-13
申请号：CN202210020481.7
申请日：2022-01-10
Applicant: 湖南大学
IPC: G06F18/2431 , G06F18/2415 , G06F18/25 , G06F18/213 , G06F18/15
Abstract: 本发明公开了一种基于异构模型融合的线路故障诊断方法及装置，其中，该方法包括：获取测试样本的线路故障行波信号，并对所述故障行波信号进行解析；分别提取所述线路故障行波信号的时域特征、频域特征、时频特征及语义特征；分别基于所述线路故障行波信号的时域特征、频域特征、时频特征及语义特征构建单一的故障预诊断模型，并利用故障预诊断模型对测试样本的线路故障的类别进行初步诊断；基于D‑S证据理论融合故障预诊断模型的各初步诊断结果，构建故障诊断融合模型，以对所述线路故障类型进行最终诊断。本发明的技术方案能够在小样本量下提高线路故障分类的准确率，有利于确定线路故障类别。
-
公开(公告)号：CN115115416A
公开(公告)日：2022-09-27
申请号：CN202210862555.1
申请日：2022-07-21
Applicant: 湖南大学
Abstract: 本发明涉及一种商品销量预测方法。其发明内容主要包括：(1)基于多商品销量特征的滚动回归模型与深度学习模型的构建；(2)多种回归预测模型集成的销量精准预测方法。通过已被提出的商品历史销量和其它影响因素等特征，构建出滚动预测的回归模型，深度学习模型以及剔除异常值的深度学习模型。再将构建的多种模型进行回归集成，构建出最后的多模型集成回归预测学习器，从而对商品未来销量进行精准预测。
-
公开(公告)号：CN114358085A
公开(公告)日：2022-04-15
申请号：CN202210020481.7
申请日：2022-01-10
Applicant: 湖南大学
Abstract: 本发明公开了一种基于异构模型融合的线路故障诊断方法及装置，其中，该方法包括：获取测试样本的线路故障行波信号，并对所述故障行波信号进行解析；分别提取所述线路故障行波信号的时域特征、频域特征、时频特征及语义特征；分别基于所述线路故障行波信号的时域特征、频域特征、时频特征及语义特征构建单一的故障预诊断模型，并利用故障预诊断模型对测试样本的线路故障的类别进行初步诊断；基于D‑S证据理论融合故障预诊断模型的各初步诊断结果，构建故障诊断融合模型，以对所述线路故障类型进行最终诊断。本发明的技术方案能够在小样本量下提高线路故障分类的准确率，有利于确定线路故障类别。
-
公开(公告)号：CN113393041A
公开(公告)日：2021-09-14
申请号：CN202110683426.1
申请日：2021-06-21
Applicant: 湖南大学
Abstract: 本发明涉及一种基于销量预测的零售领域供应链库存优化方法。其发明内容主要包括(1)基于多态特征融合的商品销量精准预测方法；(2)基于商品活跃度分类的物流约束下供应链库存优化方法。基于上述方法，提取并融合商品的多态特征数据，并根据商品预测销量进行活跃度分类来构建供应链库存优化模型，从而实现基于销量预测的零售领域供应链库存优化方法，加快资金周转。
-
公开(公告)号：CN114325245A
公开(公告)日：2022-04-12
申请号：CN202210040970.9
申请日：2022-01-14
Applicant: 湖南大学 , 湖南湘能智能电器股份有限公司
IPC: G01R31/08
Abstract: 本发明公开了一种基于行波数据深度学习的输电线路故障选线与定位方法，利用深度学习模型不断迭代，从而自适应调整参数并学习行波数据的特征，计算输电线路组中各条线路之间的差异，选出故障线路；基于选取的故障线路，利用滑动窗口将双端故障行波数据分组，采用孪生神经网络构建双端行波数据相似度匹配模型，根据计算出的最大相似度来获取双端行波数据匹配窗口，从而根据窗口时间比例计算输电线路故障点所在位置。本发明使得行波数据的时序性得到了保障，可更好的使用特征选出故障线路。孪生神经网络根据匹配窗口计算双端行波传递时间比例从而确定故障发生的位置，具有较高的准确性。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
