龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：北京航空航天大学;中国交通信息科技集团有限公司
摘要：本发明公开了一种基于WOA‑BPNN模型的港口运营碳排放量预测方法，包括标准化样本数据后，确定BPNN的输入层、隐含层、输出节点数和每层神经网络节点的阈值和权值；采用群体智能优化算法WOA，将种群位置作为优化参数进行迭代训练，得到最优种群位置；将最优种群位置作为BPNN神经网络节点的阈值和权值，进行BPNN模型训练；通过调参确立最优的学习率和训练批次参数，得到预测误差最小的训练模型；利用训练好的模型进行预测，得到港口运营碳排放量预测值。本方法利用WOA优化BPNN的初始设定结构参数，使得模型结构的初始参数为设定标准下的最优值而非随机值，从而提高预测港口运营碳排放的准确度，增强预测模型的泛化能力。
主权项：1.一种基于WOA-BPNN模型的港口运营碳排放量预测方法，其特征在于，包括如下步骤；1标准化样本数据，分为训练集和测试集；所述数据至少包括：港口运营基础数据、港口运维活动基础数据、港口运维活动详细数据、运营维护各类单位工程的月度碳排放量；2确定BPNN的结构参数：依据港口特征数据及历史运营数据、待预测的运营单位工程碳排放量数据，设定神经网络输入层节点数m、隐含层节点数o、输出节点数n、每层神经网络节点的阈值和权值；3采用群体智能优化算法WOA，设置鲸鱼种群参数初始值，所述参数包括种群规模、种群位置、迭代次数、搜索空间上下界和动态权重，随机生成鲸鱼种群，并将种群位置作为优化参数进行迭代训练，得到最优种群位置；4将最优种群位置作为BPNN神经网络节点的阈值和权值，进行BPNN模型训练，训练过程的误差反向传播采用梯度下降法迭代神经网络节点的权值和阈值；5迭代收敛后，得到最优的每层神经网络节点的BPNN权值阈值；6通过调参确立最优的学习率和训练批次参数，得到预测误差最小的训练模型，完成训练；7利用训练好的模型进行预测，得到港口运营碳排放量预测值。
全文数据：
权利要求：
百度查询： 北京航空航天大学 中国交通信息科技集团有限公司 一种基于WOA-BPNN模型的港口运营碳排放量预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号