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：陕西理工大学

摘要：本发明公开了基于ANN‑LSTM‑A的热水用水量预测方法，步骤1、划分时间段收集用水量数据，进行预处理获得数据集；步骤2、将步骤1获得的将数据集按照比例划分为训练集和测试集；步骤3、构建ANN‑LSTM‑A模型；步骤4、训练ANN‑LSTM‑A模型；步骤5、使用训练好的ANN‑LSTM模型对测试集进行预测，得到生活热水用水量。本发明解决了现预测热水用量的方法存在准确性低的问题。

主权项：1.基于ANN-LSTM-A的热水用水量预测方法，其特征在于，具体按照以下步骤实施：步骤1、划分时间段收集用水量数据，进行预处理获得数据集；步骤2、将步骤1获得的将数据集按照比例划分为训练集和测试集；步骤3、构建ANN-LSTM-A模型；步骤4、训练ANN-LSTM-A模型；步骤5、使用训练好的ANN-LSTM模型对测试集进行预测，得到生活热水用水量；步骤3中ANN-LSTM-A模型包含输入层、注意力机制层、隐藏层和输出层；输入层使用LSTM神经网络，并在LSTM和最终输出层之间添加一个注意力机制层，隐藏层和输出层将使用ANN，确定最大迭代次数、批量大小、最大迭代次数和其他超参数；在LSTM层中，输入通过时间步传递给LSTM单元，通过LSTM层捕捉输入数据的时间依赖关系并将隐藏状态和细胞状态作为输出；步骤3中隐藏状态包含序列信息并以递归方式传递到下一个时间步；序列的最后一个时间步的隐藏状态被用作模型的上下文向量，接下来上下文向量通过注意力机制层进行处理，将输入数据加权融合，然后使经过注意力机制加权的LSTM层输出映射到隐藏层，注意力机制层用于学习并关注LSTM中时间步；最后，将激活后的隐藏层输出传递给输出层；步骤4中使用反向传播算法来训练ANN-LSTM-A模型，调整模型的权值和偏置，以更好地拟合数据；定义损失函数和优化；当模型迭代次数达到最大迭代次数时训练结束，如果训练迭代次数没有达到最大迭代次数，则返回继续迭代；步骤5通过步骤4的训练过程，ANN-LSTM-A模型已经学习了大量的历史数据以及时间特征，在测试过程中通过传入特征数据，对未来用水量进行预测，预测完成后，将预测值反归一化回原始用水量范围，输出数据的反归一化公式为： 式中，Y′为网络模型的输出，即反归一化之前的用水量预测值，Ymax和Ymin分别为原始数据中用水量的最大和最小值，Y为反归一化后的实际用水量预测值；所述步骤1数据预处理采用去除异常值、缺失值处理、数据归一化。

全文数据：

权利要求：

百度查询： 陕西理工大学 基于ANN-LSTM-A的热水用水量预测方法