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：浙江工业大学
摘要：一种基于改进Seq2Seq模型的超超临界机组中间点温度预测方法，原始数据经过高斯滤波处理后，利用皮尔逊相关系数筛选出与中间点温度相关度高的数据作为输入变量；接着将数据输入到多尺度卷积神经网络中进行多尺度的特征提取；随后建立序列到序列Seq2Seq模型，将多尺度卷积神经网络提取到的特征输入编码器中，采用双层长短期记忆神经网络作为编码器和解码器，在第二个长短期记忆神经网络层后添加注意力机制，为其赋予不同的权重，最后采用全连接层实现准确的中间点温度预测。本发明提取效果良好，实现高精度的预测效果。
主权项：1.一种基于改进Seq2Seq模型的超超临界机组中间点温度预测方法，其特征在于，所述方法包括以下步骤：S1：获取超超临界机组的历史运行数据，采集到的历史数据存在大量噪声，先使用高斯加权移动平均滤波器对数据进行降噪平滑处理，然后进行归一化处理；S2：使用皮尔逊相关系数计算出中间点温度与其他特征的相关度，选取相关度较高并且在实际环境中易于获得的特征作为输入变量，把输入变量和中间点温度进行拼接，构成序列的形式，并划分数据集；S3：建立序列到序列Seq2Seq模型，使用双层长短期记忆神经网络LSTM作为编码器和解码器，建立多尺度卷积神经网络MSCNN，充分实现对数据特征的提取，随后在编码器和解码器之后引入注意力机制，对编码器和解码器的输出进行自动加权平均计算，最后采用全连接层输出预测结果。
全文数据：
权利要求：
百度查询： 浙江工业大学 一种基于改进Seq2Seq模型的超超临界机组中间点温度预测方法
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