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！

龙图腾网恭喜大连理工大学申请的专利基于图学习的物联网多传感器时间序列缺失值补全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：CN118861537B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202410363783.3，技术领域涉及：G06F17/15；该发明授权基于图学习的物联网多传感器时间序列缺失值补全方法是由黄毅;金博设计研发完成，并于2024-03-28向国家知识产权局提交的专利申请。

本基于图学习的物联网多传感器时间序列缺失值补全方法在说明书摘要公布了：本发明公开了一种基于图学习的物联网多传感器时间序列缺失值补全方法，属于时间序列分析技术领域。本发明针对多传感器时间序列的空缺值，研究了如何利用基于图学习的双向GRU模块的补全，包括如下步骤：1利用copula分析技术，自动化地提取不同传感器之间的关联性，更好地发掘物联网中不同传感器所蕴含的空间关联；2通过消息传递机制MPNN模块与门控循环单元GRU，充分地提取了整个物联网多传感器时间序列的时空信息，更加全面地对缺失值进行补全；3通过正向模块与逆向模块，从不同的时间维度对整个物联网多传感器时间序列进行分析，充分考虑缺失值点的过去与未来的详细情况，通过MLP结合收集到的大量特征对缺失值做出全面的分析，最终进行补全。

本发明授权基于图学习的物联网多传感器时间序列缺失值补全方法在权利要求书中公布了：1.一种基于图学习的物联网多传感器时间序列缺失补全值方法，其特征在于，包括如下步骤： S1、标注空缺值：选取部分数据缺失的物联网多传感器时间序列S，通过pytorch工具包导入到本方法中生成标注矩阵M； S2、数据处理：对物联网多传感器时间序列S进行归一化处理，得到归一化数据集X； S3、数据采样：利用python工具筛选出归一化数据集X中完整数据，得到物联网数据集X'； S4、计算相关系数：利用高斯copula函数对物联网数据集X'进行建模，并计算出各传感器之间的相关系数，组成相关矩阵R，利用相关系数矩阵R补全物联网数据集； S5、时空编码：将物联网数据集X'和标注矩阵M输入时空编码器，进行时空编码，得到隐状态矩阵； S6、空间解码：利用空间解码器对时空编码序列解码，得到t时刻的算法预测值，用算法预测值对空缺值进行初步填充，得到数据集，再对数据集聚合，得到特征矩阵； S7、双向时间预测：按照时间的正向和逆向顺序，分别进行步骤S5～S6，得到正向隐状态矩阵、正向特征矩阵、逆向隐状态矩阵和逆向特征矩阵，利用MLP将正向隐状态矩阵、正向特征矩阵、逆向隐状态矩阵和逆向特征矩阵结合，对缺失值进行补全； 步骤S4所述计算相关系数，包括如下步骤： S41、利用高斯copula函数对物联网数据集X'进行建模： Cx·1,x·2,……,x·d；∑＝ΦdΦ-1x·1,Φ-1x·2,……,Φ-1x·d；0,R4-1 其中，Cx·1,x·2,……,x·d；∑表示copula函数，Σ表示copula函数的协方差矩阵，x·1,x·2,……,x·d为物联网数据集X'中各传感器观测值的集合，Φd是均值为0的多元高斯分布，R表示Φd的相关系数矩阵，R的维度为d×d，Φ-1为标准高斯分布的分位函数； S42、对建立的模型进行求导，得到C的copula密度函数： 其中，detR表示R的行列式，exp·表示指数函数，Id表示d维单位矩阵； S43、计算概率密度函数： 其中，f·是密度函数，c是copula密度函数，fix·i表示每个变量x·i的分布函数； S44、求偶然函数： S45、求相关系数矩阵：将X'带入公式4-4中，根据公式4-2和公式4-4组合成方程组，求出相关系数矩阵R。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。