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：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。
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