[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有效
| 申请号： | 201910115704.6 | 申请日： | 2019-02-15 |
| 公开（公告）号： | CN109902863B | 公开（公告）日： | 2021-08-10 |
| 发明（设计）人： | 张帅;张文宇;陈勇;彭娟娟;裘一蕾 | 申请（专利权）人： | 浙江财经大学 |
| 主分类号： | G06Q10/04 | 分类号： | G06Q10/04;G06N3/04 |
| 代理公司： | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人： | 杨天娇 |
| 地址： | 310018 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 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。 | ||
| 搜索关键词： | 一种 基于 因素 时空 相关性 风速 预测 方法 装置 | ||
【主权项】：
1.一种基于多因素时空相关性的风速预测方法，其特征在于，所述基于多因素时空相关性的风速预测方法，包括：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；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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江财经大学，未经浙江财经大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910115704.6/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
