-
公开(公告)号:CN115034502B
公开(公告)日:2024-07-02
申请号:CN202210746241.5
申请日:2022-06-28
Applicant: 福州大学
IPC: G06Q10/04 , G06Q50/26 , G06F18/23 , G06F18/214 , G06F18/22 , G06F18/213 , G06N3/048 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及车辆的时间预测技术领域,具体涉及一种公路车辆旅行时间的预测方法。包括以下步骤:获取公路车辆旅行时间数据集,并对其进行数据预处理;通过平均链接度量方法进行路段间相似度的度量;根据相似度对路段进行基于空间层次的聚类,并通过聚类算法获得k个路段群;根据多输入门控循环单元模型(M‑GRU)对k个路段群进行分别建模,且分别嵌入公路车辆旅行时间趋势变化信息;并将每个路段群的建模后的多输入门控循环单元模型(M‑GRU)的输出信息与嵌入的趋势变化信息进行拼接,得到深度多输入门控循环单元模型(DM‑GRU)输出所有路段的未来车辆旅行时间。本发明的目的是解决现有的公路交通车辆旅行时间的预测的精确度较低的问题。
-
公开(公告)号:CN115204378A
公开(公告)日:2022-10-18
申请号:CN202210839107.X
申请日:2022-07-18
Applicant: 福州大学
Abstract: 本发明适用于物联网技术领域,提供了一种去标志神经网络模块、去标志方法、电子设备、存储介质。所述去标志神经网络模块包括:输入层,用于从原始IoT数据中提取特征数据,并对提取的特征数据进行去标志处理;传输层,用于将去标志处理后的特征数据传输到输出层;输出层,用于基于输入的特征数据获得深度模型的估计结果。本发明通过将神经网络以传输层为界分为输入层和输出层,即划分为去标志和估计两个阶段,从而构建得到了去标识神经网络,输入层在提取特征数据的同时对特征数据进行了去标志处理,从而减轻深度模型在UE中的正向传播计算压力,并消除额外的加密操作。
-
公开(公告)号:CN115034502A
公开(公告)日:2022-09-09
申请号:CN202210746241.5
申请日:2022-06-28
Applicant: 福州大学
Abstract: 本发明涉及车辆的时间预测技术领域,具体涉及一种公路车辆旅行时间的预测方法。包括以下步骤:获取公路车辆旅行时间数据集,并对其进行数据预处理;通过平均链接度量方法进行路段间相似度的度量;根据相似度对路段进行基于空间层次的聚类,并通过聚类算法获得k个路段群;根据多输入门控循环单元模型(M‑GRU)对k个路段群进行分别建模,且分别嵌入公路车辆旅行时间趋势变化信息;并将每个路段群的建模后的多输入门控循环单元模型(M‑GRU)的输出信息与嵌入的趋势变化信息进行拼接,得到深度多输入门控循环单元模型(DM‑GRU)输出所有路段的未来车辆旅行时间。本发明的目的是解决现有的公路交通车辆旅行时间的预测的精确度较低的问题。
-
公开(公告)号:CN114884108A
公开(公告)日:2022-08-09
申请号:CN202210668523.8
申请日:2022-06-14
Applicant: 福州大学
Abstract: 本发明提出源网荷储一体化的微电网多时间尺度能量管理优化方法,所述优化方法为针对源网荷储一体化的微电网能量调度优化策略研究,在微电网可再生能源功率和负荷功率预测的基础上,设计所需的目标函数及约束条件,利用改进果蝇优化求解算法制定出多时间尺度相互配合的微电网能量调度计划;该多时间尺度的优化调度先通过制定周前、日前调度计划来确定整个微电网的总体运行策略,然后再根据日内滚动优化制定的调度计划对日前调度计划进行修正,制定出微电网系统运行经济最优、环境效益最好、与大电网联络线功率最小为优化目标的能量调度计划;本发明能将微电网内“源网荷储”进行多时间尺度尺度统一管理。
-
公开(公告)号:CN111275562A
公开(公告)日:2020-06-12
申请号:CN202010056877.8
申请日:2020-01-17
Applicant: 福州大学
Abstract: 本发明涉及一种基于递归卷积神经网络和自编码器的动态社区发现方法。该方法:首先,构建基于卷积神经网络的网络空间特征学习模型,学习网络的空间拓扑特征得到网络空间特征向量;其次,融合基于卷积神经网络的网络空间特征学习模型,以网络空间特征向量作为模型的输入,构建基于递归神经网络、卷积神经网络和自编码器的网络时空特征学习模型,学习网络的时空特征得到网络时空特征向量;最后,在网络时空特征向量基础上进行社区发现,以探测出社交网络的动态社区结构。本发明方法可应用于分析社交网络,自主学习并提取出社交网络时空特征,并且可进一步提升社区结构的模块度,从而揭示真实网络的拓扑结构等,进而有效地预测网络用户行为和信息传播等。
-
公开(公告)号:CN116386312A
公开(公告)日:2023-07-04
申请号:CN202211464446.0
申请日:2022-11-22
Applicant: 福州大学
Abstract: 本发明适用于智能运输系统领域,提供了一种交通量预测模型的构建方法和系统,所述方法包括将经过预处理的数据划分为测试集、验证集和测试集;根据路段节点的位置构建邻接矩阵,所述邻接矩阵用于表征路段节点之间的相关性;对所述测试集中的数据按序列分别进行时间依赖关系和空间依赖关系的提取,所述时间依赖关系用于表征时间步之间的权重关系,所述空间依赖关系用于表征路段节点之间的权重关系;对时间依赖关系和空间依赖关系的提取结果进行全连接层处理,完成交通量预测模型的构建。本发明实施例的有益效果是:有效的对道路交通的时间依赖、空间依赖、趋势模式进行了学习,从而能够高效的预测交通量。
-
公开(公告)号:CN115618729A
公开(公告)日:2023-01-17
申请号:CN202211248212.2
申请日:2022-10-12
Applicant: 福州大学
IPC: G06F30/27 , G06F119/02 , G06F119/04
Abstract: 本发明涉及一种基于改进人工神经网络参数辨识的变流器软故障诊断方法,包括离线建模和在线参数辨识两个过程;所述离线建模包括:确定变流器等效电路及其故障特征参数;以双Boost电路建立混合逻辑模型,得到故障特征参数;初步建立基于改进人工神经网络的参数辨识模型;获取相应电路历史数据,对数据进行拟合,调整结构与超参,建立最终的参数辨识模型;所述在线参数辨识包括:实时采集具体的电力电子变流器内部器件的相应数据,利用建立的参数辨识模型拟合数据,从内部权值中推导得到具体的器件参数,得到器件的老化状态,完成电力电子变流器的软故障诊断。该方法有利于提高变流器软故障诊断的精度和效率。
-
公开(公告)号:CN110147877A
公开(公告)日:2019-08-20
申请号:CN201910438564.6
申请日:2019-05-24
Applicant: 福州大学
Abstract: 本发明涉及一种基于卷积长短时网络的PM2.5预测方法,其特征在于,包括以下步骤:步骤S1:采集待测城市及其相邻城市的历史的PM2.5浓度数据和空气数据;步骤S2:对采集到的数据进行预处理,得到预处理后的数据;步骤S3:将预处理后的数据进行归一化处理,并分为训练集和测试集;步骤S4:构建CONVLSTM神经网络模型;步骤S5:将训练集输入CONVLSTM神经网络模型,训练CONVLSTM神经网络模型;步骤S6:采用反向传播算法的策略对网络进行学习,进行迭代运算,得到最优的模型参数;步骤S7:将训练集的时间向后平移一天,循环步骤S5至步骤S7,更新参数权重直至训练回合达到预设值,得到训练后的CONVLSTM神经网络模型;步骤S8:将测试样本输入至训练后的CONVLSTM神经网络模型中进行预测,得出预测值。
-
公开(公告)号:CN115169714A
公开(公告)日:2022-10-11
申请号:CN202210855666.X
申请日:2022-07-08
Applicant: 福州大学
Abstract: 本发明公开了一种城市地铁进出站客流量预测方法,涉及机器学习领域。本发明包括以下步骤:获取历史地铁站点进出站客流量数据;对客流量数据进行预处理;将预处理后的客流量数据输入到深度学习模型中,对深度学习模型进行训练;利用训练好的模型预测未来城市地铁站点进出站客流量。本发明通过收集各城市地铁站点各时刻的历史进出站客流量来预测未来各站点的进出站客流量。
-
公开(公告)号:CN111292197A
公开(公告)日:2020-06-16
申请号:CN202010056692.7
申请日:2020-01-17
Applicant: 福州大学
Abstract: 本发明涉及一种基于卷积神经网络和自编码器的社区发现方法。该方法:首先,通过网络空间结构重构策略对邻接矩阵进行重构得到空间邻近矩阵,空间邻近矩阵保留了节点连接情况的同时还能把节点网络拓扑结构上的邻近性映射到空间邻近矩阵,有利于卷积神经网络对网络拓扑空间邻近性的特征学习;其次,构建了基于卷积神经网络和自编码器的组合模型,自主学习网络拓扑空间特征,得到网络空间特征向量,以便能够应用于社区发现等具体网络分析应用服务;接着,在上述研究得到的网络空间特征向量基础上,应用K-means聚类算法实现社交网络上的社区发现。本发明方法能够探测社区结构,从而揭示真实网络的拓扑结构等,进而有效地预测网络用户行为和信息传播等。
-
-
-
-
-
-
-
-
-