龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：大连大学
申请日：2024-02-26
公开（公告）日：2024-04-26
公开（公告）号：CN117933488A
主分类号：G06Q10/04
分类号：G06Q10/04;G06F18/25;G06N3/0442;G06N3/0464;G06N3/048;G06N3/084;G06F17/16;G06F17/18
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.14#实质审查的生效;2024.04.26#公开
摘要：本发明公开了一种基于改进双向LSTM的融合网络日光温室温湿度预测方法，包括获取温室温湿度数据，并进行小波阈值去噪处理；获取温室各指标与去噪处理后的温湿度数据之间相关系数，并进行特征选择；将选择后的特征数据利用滑动窗格方式处理；使用CNN中的卷积层和池化层对特征数据进行提取；通过优化模型单元Coupled‑NLSTM，建立首层CBiNLSTM温室温湿度预测模型；在首层CBiNLSTM温室温湿度预测模型后面引入多头自注意力网络Multi‑HeadSelf‑Attention；第二层CBiNLSTM温室温湿度预测模型对多头自注意力网络输出的序列进行整体编码；通过全连接层进行线性变换，再通过ReLU激活函数对线性变换的结果进行非线性映射至单一的输出神经元上，作为温室温湿度预测值，其提高了温室温湿度预测模型的准确度。
主权项：1.一种基于改进双向LSTM的融合网络日光温室温湿度预测方法，其特征在于，包括：获取温室温湿度数据，并进行小波阈值去噪处理；利用Pearson相关分析算法得到温室各指标与去噪处理后的温湿度数据之间相关系数，并进行特征选择；将选择后的特征数据利用滑动窗格方式处理；使用CNN中的卷积层和池化层对滑动窗格方式处理后的特征数据进行提取；通过优化模型单元Coupled-NLSTM，建立首层CBiNLSTM温室温湿度预测模型；在首层CBiNLSTM温室温湿度预测模型后面引入多头自注意力网络Multi-HeadSelf-Attention；第二层CBiNLSTM温室温湿度预测模型对多头自注意力网络输出的序列进行整体编码；整体编码后输入至全连接层进行线性变换，再通过ReLU激活函数对线性变换的结果进行非线性映射至单一的输出神经元上，作为温室温湿度预测值。
全文数据：
权利要求：
百度查询： 大连大学 一种基于改进双向LSTM的融合网络日光温室温湿度预测方法
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