“裘一蕾”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种基于图卷积网络模型的面向概率电力负荷预测方法-CN202311222388.5在审
发明人：何州;裘一蕾;陈细平;宋小波;陈卫强;姚家渭 -专利权人：杭州半云科技有限公司
申请日： 2023-09-21 - 公布日： 2023-10-27 - 主分类号： H02J3/00 文献下载
摘要：本发明公开了一种基于图卷积网络模型的面向概率电力负荷预测方法，利用具有双重卷积通道的网络模型分别处理不同的分解分量，全面地从负荷数据中捕捉到时序关联性信息，并得到时空特征矩阵。将时空特征矩阵与自适应邻接矩阵通过堆叠的图卷积网络，得到图卷积特征矩阵。最后将图卷积特征矩阵通过线性变换得到自注意力机制的Q、K和V矩阵，然后执行自注意力机制得到自注意力特征矩阵，将自注意力特征矩阵与图卷积特征矩阵进行残差连接，然后进行归一化处理，得到预测负荷值矩阵。本发明能够同时从地理和语义两个层面来全面提取空间关联性信息，以丰富感受野进而捕捉多尺度增强的空间特征，从而得到更加准确的预测结果。
一种基于图卷网络模型面向概率电力负荷预测方法

[发明专利]一种基于门控双重卷积神经网络的概率电力负荷预测方法-CN202310156830.2在审
发明人：张帅;裘一蕾;张文宇;方圆;宋小波;姚家渭;徐纪元 -专利权人：浙江财经大学;杭州半云科技有限公司
申请日： 2023-02-20 - 公布日： 2023-06-13 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于门控双重卷积神经网络的概率电力负荷预测方法，基于自回归模型和注意力机制的门控双重卷积神经网络模型，以自回归模型为线性分量，利用门控机制改进了双重卷积神经网络，以捕捉多个区域电力负荷数据之间的垂直相关性，提高预测区间的覆盖率。接着，利用池化操作改进了注意力机制，以捕捉多个区域电力负荷数据之间的水平相关性，获得较窄的预测区间；最后，将线性预测值与非线性预测值进行集成，得到最终预测结果。本发明解决了模型对输入矩阵的形状不敏感的问题，能够捕捉到输入矩阵中的敏感特征，并在缩小PI宽度的同时使PICP值尽可能地向PINC值靠拢，从而提高概率电力负荷预测的准确性和可靠性。
一种基于门控双重卷积神经网络概率电力负荷预测方法

[发明专利]一种面向网络化相关性感知的制造服务供应链优化方法-CN201811268270.5有效
发明人：张帅;徐松;张文宇;裘一蕾 -专利权人：浙江财经大学
申请日： 2018-10-29 - 公布日： 2022-04-19 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种面向网络化相关性感知的制造服务供应链优化方法，提出了一个面向网络化相关性感知的制造服务组合数学模型来描述制造服务供应链优化问题；采用基于矩阵的编码方案，从而形式化地表示制造服务供应链候选方案，矩阵中每列的第一个元素表示垂直组合服务组的组合结构类型(选择或并行)，而列中的其它元素表示所选择的基本候选服务，协同完成对应的子任务，将生物地理学优化(Biogeography‑based Optimization，BBO)算法的迁移算子与ABC算法相结合，以提高制造服务供应链优化效率。通过对实用性、有效性和效率等三个方面的综合比较，本发明的方法在解决制造服务供应链优化问题上优于现有技术的其他方法。
一种面向网络化相关性感知制造服务供应优化方法

[发明专利]一种基于多因素时空相关性的风速预测方法及装置-CN201910115704.6有效
发明人：张帅;张文宇;陈勇;彭娟娟;裘一蕾 -专利权人：浙江财经大学
申请日： 2019-02-15 - 公布日： 2021-08-10 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于多因素时空相关性的风速预测方法及装置，通过获取目标站点及其邻近站点的所有气象因素在多个时间点的值，构建三维矩阵，将构建的三维矩阵输入到预先训练好的组合预测模型，输出目标站点的风速预测结果。其中所述组合预测模型包括卷积神经网络和长短期记忆神经网络。本发明利用卷积神经网络提取各站点气象因素之间的空间特征关系。同时，将CNN在每个时间点上得到的抽象空间特征关系向量作为长短期记忆网络的输入。这种基于深度学习的CNN‑LSTM组合模型不仅能够自动地提取深度的时空特征，而且能够有效解决不同站点的复杂地理特征获取困难的问题，预测结果准确。
一种基于因素时空相关性风速预测方法装置

[发明专利]一种用于特征选择的多种群小生境遗传方法-CN201811044390.7在审
发明人：张文宇;张帅;何红亮;裘一蕾 -专利权人：浙江财经大学
申请日： 2018-09-07 - 公布日： 2019-01-18 - 主分类号： G06N3/12 文献下载
摘要：本发明公开了一种用于特征选择的多种群小生境遗传方法，采用混合过滤法计算各特征的综合特征重要性，筛选出综合特征重要性不小于设定阈值的特征，根据综合特征重要性计算筛选出的特征被选择的概率，生成预设数量的多个初始种群；通过改进选择、交叉和变异等步骤，增加小生境和迁移步骤，有效提高了算法的优化能力。本发明所提出的用于特征选择的多种群小生境遗传方法，具有探测空间大、种群多样性大、勘测效率高等优点，从而提高了寻找最优解的效率，并减少了陷入局部最优情况的发生。
特征选择综合特征生境遗传筛选种群多样性重要性计算初始种群探测空间过滤法小生境最优解预设算法勘测迁移概率优化改进