-
公开(公告)号：CN119692545A
公开(公告)日：2025-03-25
申请号：CN202411764022.5
申请日：2024-12-03
Applicant: 福州大学
Abstract: 本发明涉及一种基于人员占用信息融合的商业楼宇短期负荷预测方法，其特征在于，对于原始负荷数据，首先采用CEEMDAN算法将负荷数据前向分解为多个IMFs分量，去除高频噪声分量后再将剩余分量进行重构融合，以得到干净的负荷数据；然后，构建DWedRVFL神经网络模型，所述DWedRVFL神经网络模型采用基于预测的最新精度捕捉负荷序列的动态变化，并构建多样性指标来利用不同输出层的多尺度特征；此外，构建排序策略来整合最新精度和多样性的贡献，同时避免异常预测值对组合预测的影响；而后，将历史负荷、天气条件和人员占用等数据组成连接矩阵馈送入DWedRVFL神经网络模型进行学习，从而提高建筑负荷预测的准确性和稳定性。该方法有利于提高商业楼宇短期负荷预测的准确性。
-
公开(公告)号：CN119623749A
公开(公告)日：2025-03-14
申请号：CN202411764026.3
申请日：2024-12-03
Applicant: 福州大学
IPC: G06Q10/04 , G06Q50/08 , G06F18/10 , G06F18/2137 , G06F18/214 , G06F18/25 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于前向分解去噪和深度集成学习的建筑负荷预测方法，对于原始负荷数据，首先采用CEEMDAN算法将负荷数据前向分解为多个IMFs分量，去除高频噪声分量后再将剩余分量进行重构融合，得到干净的负荷数据；然后，构建DWedRVFL神经网络模型，所述DWedRVFL神经网络模型采用预测的最新精度捕捉负荷序列的动态变化，并构建多样性指标来利用不同输出层的多尺度特征；此外，构建排序策略来整合最新精度和多样性的贡献，同时避免异常预测值对组合预测的影响；而后，将历史负荷、天气条件和人员占用数据组成连接矩阵馈送入DWedRVFL神经网络模型进行学习，从而提高建筑负荷预测的准确性和稳定性。该方法有利于提高短期建筑负荷预测的精度和稳定性。
-
公开(公告)号：CN119692558A
公开(公告)日：2025-03-25
申请号：CN202411853206.9
申请日：2024-12-16
Applicant: 福州大学
IPC: G06Q10/04 , G06F18/23213 , G06F18/24 , G06F18/214 , G06N3/006 , G06Q50/06 , G06N3/04 , G06N3/08 , G06F17/11 , G06F17/18 , H02J3/00
Abstract: 本发明涉及一种基于鸡群算法优化Elman神经网络的短期电力负荷预测方法，该方法采用具有局部记忆单元和局部反馈连接的Elman神经网络建立预测模型，并利用具有全局搜索能力的鸡群算法CSO优化Elman神经网络的初始权值和阈值，构建出CSO‑Elman短期电力负荷预测模型；然后，对CSO‑Elman短期电力负荷预测模型进行训练；最后，利用训练好的CSO‑Elman短期电力负荷预测模型进行短期电力负荷预测。该方法有利于提高短期电力负荷预测的准确性和稳定性。
-
公开(公告)号：CN117670611A
公开(公告)日：2024-03-08
申请号：CN202311614875.6
申请日：2023-11-29
Applicant: 福州大学
IPC: G06Q50/20 , G06F17/18 , G06F18/23213
Abstract: 本发明提出一种基于移动软件的学生课堂行为分析方法，所述分析方法包括能调用学生手机陀螺仪数据的软件，所述方法通过陀螺仪数据来收集学生上课时的手机翻转动作数据，还收集学生的课堂行为数据，以此评估学生在课堂学习时的专注度；所述评估方法通过K‑Means聚类算法将手机翻转动作数据、课堂行为数据分类以生成描述学生行为的语义标签，还通过构建用户画像用以对学生的专注度水平分类，分类过程中采用序列和关联规则分析方法来分析行为标签并生成关联规则；本发明能将数据挖掘技术应用于教育，且考虑了教育领域的独特性，并结合教育科学相关知识进行研究；能够使教育工作者能够更深入地理解课堂上的学生行为，进一步提高课堂教学的质量。
-
-
-
Search Results
4
records
(took 0.018 seconds)
