首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于CNN-Informer模型的钢铁企业超低排放时序预测方法 

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:安徽工业大学

摘要:本发明公开了一种基于CNN‑Informer模型的钢铁企业超低排放时序预测方法,属于排放预测技术领域,包括以下步骤:S1:数据预处理;S2:通过优化的多尺度混合分解模块分解数据;S3:基于CNN和Informer模型搭建预测模块处理分解数据;S4:基于多尺度混合分解模块和预测模块搭建CNN‑Informer模型;S5:模型训练及预测;S6:模型预警。本发明首先优化了传统的数据分解模块,该模块将输入的复杂数据分解成线性和非线性数据,其次基于CNN和Informer模型的建模理念搭建线性和非线性的预测模块,然后基于优化后的多尺度混合分解模块和预测模块搭建CNN‑Informer模型,通过对比实验证明了改进的有效性,最后根据模型的预测结果提供预警方案。

主权项:1.一种基于CNN-Informer模型的钢铁企业超低排放时序预测方法,其特征在于,其步骤为:S1:对钢铁企业超低排放数据进行预处理;S2:预处理数据输入到多尺度混合分解模块,将预处理数据分解为线性数据和非线性数据;S3:基于CNN和Informer模型搭建预测模块,所述预测模块包括线性预测模块和非线性预测模块,用于分别处理线性数据和非线性数据;S4:基于多尺度混合分解模块和预测模块搭建CNN-Informer模型;S5:对CNN-Informer模型进行训练,得到钢铁企业超低排放时序预测模型,将数据输入超低排放时序预测模型,获取时序预测结果;S6:根据预测结果判断当月是否能够达到超低排放标准,如果没有达到则给出合理的预警方案。

全文数据:

权利要求:

百度查询: 安徽工业大学 一种基于CNN-Informer模型的钢铁企业超低排放时序预测方法

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。