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：安徽理工大学
摘要：本发明提出一种现有建筑改造成本预测方法，提出GAN‑SANN组合模型，通过对收集得到的少量数据进行处理和量化，得到建筑改造成本数据集，然后通过GAN模型对数据集进行扩充，以此达到数据扩充的目的，随后，采用SANN对生成后的数据进行训练和测试，相较于其他预测模型，GAN‑SANN改造成本预测模型在预测精度和效率上具有显著优势，这一方法为现有建筑改造工程的成本快速测算提供了一种新途径，具有广泛的应用前景，通过引入深度学习技术，可以有效克服传统方法在现有建筑改造成本预测中的局限性，提高预测的准确性和可靠性。
主权项：1.一种用于现有建筑改造成本预测方法，其特征在于，包括以下步骤：S1、收集建筑改造成本相关数据集，包括相关的属性值与目标变量，对收集到的数据进行预处理操作；S2、采用Max-Min归一化对步骤S1所述的数据集进行归一化操作，将归一化后的数据划分为训练集与测试集；S3、引入GAN模型对建筑改造成本训练集进行数据扩充，具体步骤为：S31、GAN模型中的生成器接收一个服从高斯分布的噪声数据，生成器的输出为一个伪数据，生成器的目标尽可能的欺骗过辨别器；S32、GAN中的辨别器接收建筑改造成本真实数据与伪数据，并进行区分，辨别器需要不断地进行训练，提高识别真实数据和伪数据的能力；S33、重复步骤S31、S32，直至生成器与辨别器达到预设的epoch训练次数，将生成的伪数据与真实训练集混合，形成新的训练集；S4、引入SANN模型对新训练集进行拟合，具体步骤为：S41、应用决策树分箱策略对步骤S33所述的新训练集进行分箱操作，并计算每个分箱的中心值；S42、对每个特征值，计算其与各分箱中心值距离的倒数，用于确定嵌入权重，使用归一化函数处理嵌入权重，将归一化后的权重与嵌入层的权重相乘并求和，得到该特征的嵌入表示，对每个特征重复此操作；S43、将所有特征的嵌入向量聚合成一个嵌入矩阵，作为后续模型层的输入；S5、将嵌入矩阵输入到自注意力层，自注意力层的输出结果通过前馈层进行处理，最终生成预测结果。
全文数据：
权利要求：
百度查询： 安徽理工大学 一种现有建筑改造成本预测方法
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