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！

龙图腾网恭喜苏州大学申请的专利基于复数值加速算法的短期风速预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115081590B 。

龙图腾网通过国家知识产权局官网在2025-05-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210648269.5，技术领域涉及：G06N3/048；该发明授权基于复数值加速算法的短期风速预测方法是由黄鹤;王志东;曹洪龙设计研发完成，并于2022-06-09向国家知识产权局提交的专利申请。

本基于复数值加速算法的短期风速预测方法在说明书摘要公布了：本发明涉及一种基于复数值加速算法的短期风速预测方法，包括获取包括风速和风向的样本数据，预处理样本数据得到数据集，将数据集分为训练集和测试集；构建并初始化包括误差阈值e0和自适应窗长N的复数值前向神经网络模型；使用复数值加速LM算法训练初始化后的复数值前向神经网络，得到训练好的复数值前向神经网络；将测试集输入训练好的复数值神经网络得到预测结果。本发明通过引入误差阈值和自适应窗长，使用复数值加速LM算法训练复数值前向神经网络，有效的降低了训练的前中后期的计算成本，加速了训练速度，在保证短期风速预测结果的基础上有效降低了计算复杂度。

本发明授权基于复数值加速算法的短期风速预测方法在权利要求书中公布了：1.一种基于复数值加速算法的短期风速预测方法，其特征在于，包括以下步骤：S1：获取包括风速和风向的样本数据，预处理样本数据得到数据集，将数据集分为训练集和测试集；S2：构建并初始化包括误差阈值e0和自适应窗长N的复数值前向神经网络模型；S3：使用复数值加速LM算法训练初始化后的复数值前向神经网络，得到训练好的复数值前向神经网络；S4：将测试集输入训练好的复数值神经网络得到预测结果；其中所述复数值前向神经网络的结构为：复数值前向神经网络的输入神经元的个数为L，隐层神经元的个数为M，输出神经元的个数为O，l∈[1,...,L]，m∈[1,...,M]，o∈[1,...,O]；由神经元之间的连接权值、神经元的偏置构成的参数向量θ＝[θ1,θ2,...,θs,...,θS]，其中S是所有可调参数的个数，s∈[1,...,S]；复数值神经网络的第m个隐层神经元的输出其中g是复数值的激活函数，是输入权重，表示输入权重是长度为L+1的复数值向量，wm0是第m个隐层神经元的偏置，wm1,...,wmL是第m个隐层神经元与输入神经元的连接权重，Z＝[zp,zp+1,...,zp+i-1]T，Z为复数值前向神经网络的第p个样本的输入,p∈[1,...,P]，P为复数值前向神经网络的输入样本个数；根据得到复数值神经网络的隐层输出矩阵所述复数值前向神经网络的输出Y为： 其中，g是复数值的激活函数，是第p个样本对应的隐层输出向量，其中是第p个样本在第m个隐层的输出值；是第o个输出神经元对应的权值向量，其中vo0表示第o个输出神经元对应的神经元偏置，vom表示第m个隐层神经元与第o个输出神经元的连接权值；所述复数值前向神经网络的目标函数E为： 其中，e＝[e1,e2,...,eo,...,eO]为误差向量，eo＝[y1o-d1o,...,ypo-dpo,...,yPo-dPo]T，dpo表示第p个样本在第o个输出神经元对应的期望输出，ypo表示第p个样本在第o个输出神经元对应的实际输出；epo表示第p个样本在第o个输出神经元对应的误差值，H表示矩阵或向量的共轭转置，*表示矩阵或向量的共轭；所述复数值加速LM算法的拟Hessian矩阵Q为GHG，GHG的权值的更新公式为： 其中，μ是组合系数，是复合雅可比矩阵，其中算雅可比矩阵

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人苏州大学，其通讯地址为：215000 江苏省苏州市吴中区石湖西路188号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。