“非平稳时间序列”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果3152938个，建议您升级VIP下载更多相关专利

[发明专利]风力发电机组转速波动平稳性的评估方法-CN202111114460.3有效
发明人：吴峰;李思亮;朱海涛;李光辉;吕祥云;严天赐 -专利权人：风脉能源(武汉)股份有限公司
申请日： 2021-09-23 - 公布日： 2022-10-14 - 主分类号： F03D17/00 文献下载
摘要：本发明涉及一种风力发电机组转速波动平稳性的评估方法，获取风力发电机组的满发功率序列和额定风速；从满发功率序列中筛选出风速大于等于额定风速的时间序列，在时间序列的每个连续时间片段中提取偏航角保持不变的最长时段；将所有最长时段重新组成一个新的时间序列，即为转速平稳性分析时段；针对转速平稳性分析时段，采取N折交叉验证法对发电机转速进行均值检验和方差检验，若能同时满足均值检验和方差检验则转速波动平稳，否则转速波动不平稳本发明的方法能够在机组满负荷运行过程中寻找出符合发电机转速分析的片段，并对机组的发电机转速波动平稳性进行评估，能够更加准确的评估机组运行状态。
风力发电机组转速波动平稳评估方法

[发明专利]基于时间序列模型的掘进面前方裂隙类比预测方法及系统-CN202111021356.X有效
发明人：潘东东;李轶惠;林春金;王孝特;许振浩;李海燕 -专利权人：山东大学
申请日： 2021-09-01 - 公布日： 2023-10-20 - 主分类号： G06F30/13 文献下载
摘要：本公开提供了基于时间序列模型的掘进面前方裂隙类比预测方法及系统，包括：获取历史岩体裂隙参数指标数据，分别构建不同岩体裂隙参数指标时间序列；对所述岩体裂隙参数指标时间序列进行平稳性判断，对于不平稳的序列进行差分运算，获得平稳序列；基于不同参数的平稳序列的自相关函数图和偏自相关函数图及裂隙预测序列模型选择标准，分别确定裂隙预测模型，并对模型的未知参数进行估计；基于确定的裂隙预测模型，对掘进面前方裂隙参数进行预测。
基于时间序列模型掘进前方裂隙类比预测方法系统

[发明专利]基于自适应降噪和集成LSTM的多变量时间序列预测方法-CN201910123563.2在审
发明人：刘发贵;蔡木庆 -专利权人：华南理工大学
申请日： 2019-02-18 - 公布日： 2019-06-21 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了基于自适应降噪和集成LSTM的多变量时间序列预测方法，用以解决现有方法对具有非平稳、非线性和含噪特点的多变量时间序列预测时性能不稳定以及预测精度低的问题。所述方法包括：采用具有自适应噪声的完全集合经验模式分解方法对含噪混沌多变量时间序列分解得到一系列频率由高到底的本征模函数；采用排列熵的思想区分含噪高频本征模函数和低频不含噪本征模函数；构造自适应阈值和自适应阈值函数对含噪本征模函数降噪；构造堆叠自动编码器对降噪后的多变量时间序列提取特征；基于LSTM神经网络构造多变量时间序列弱预测器；构造考虑验证集预测误差的集成算法组合多个LSTM弱预测器得到强预测器。
多变量自适应本征模函数降噪时间序列预测时间序列预测器经验模式分解时间序列分解自动编码器集成算法强预测器神经网络提取特征预测误差阈值函数验证集混沌堆叠噪声集合预测

[发明专利]一种机械故障预测方法-CN202211674830.3在审
发明人：徐睿;蔄元臣;厚泽;章梦媛;商学敏;张小涵 -专利权人：北京航天测控技术有限公司
申请日： 2022-12-26 - 公布日： 2023-04-28 - 主分类号： G06F30/20 文献下载
摘要：包括：S1将待预测数据组成一组时间序列；S2、将时间序列分解成一组单分量信号的本征模函数和残差序列；S3、对单分量信号的本征模函数和残差序列进行平稳性检验，若未通过，则进行步骤S4操作，若通过，则跳转至步骤S5操作；S4、对非平稳序列进行差分运算，建立ARIMA模型，跳转至步骤S3操作；S5、判断ARIMA模型参数；S6、对剩余的残差进行残差检验；S7、将所有单分量信号的预测序列进行EMD重构，得到预测总值
一种机械故障预测方法

[发明专利]一种混沌时间序列预测方法及系统-CN201810775670.9在审
发明人：陈卫民;陈志刚;刘佳琦;崔芳;叶志远 -专利权人：湖南城市学院
申请日： 2018-07-16 - 公布日： 2018-12-18 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种混沌时间序列预测方法及系统，用以解决现有的混沌时间序列预测问题不能准确刻画混沌时间序列的非平稳性、变突和混沌等特点，预测精度低的问题。所述方法包括：从一维混沌时间序列中重构相空间向量得到相空间重构参数并基于最小二乘支持向量机对混沌时间序列进行预测得到最小二乘支持向量机参数；采用遗传算法将所述相空间重构参数与所述最小二乘支持向量机参数进行联合优化得到最优参数值本发明采用遗传算法对相空间重构和最小二乘支持向量机进行联合优化，预测结果误差更小，预测精度进一步提高，能更好地满足大规模混沌时间序列预测地实时性需求。
混沌时间序列最小二乘支持向量机预测相空间重构参数相空间重构联合优化遗传算法重构相空间非平稳性输出预测预测结果实时性混沌建模向量刻画

[发明专利]一种基于ARIMA模型的配电网运行可靠性的预测方法-CN201510511780.0有效
发明人：刁赢龙;刘科研;孟晓丽;盛万兴;何开元;贾东梨;胡丽娟;叶学顺;唐建岗;孙勇;张世栋;邵志敏;李建修;张林利;刘合金;李立生 -专利权人：中国电力科学研究院;国家电网公司;国网山东省电力公司;国网山东省电力公司电力科学研究院
申请日： 2015-08-19 - 公布日： 2020-07-24 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供一种基于ARIMA模型的配电网运行可靠性的预测方法，通过建立ARIMA模型预测用户月停电次数,将非平稳元件失效次数时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归建立用户月停电次数模型；根据预测结果抽样停运点，同时考虑实时负荷运行状况基于TLOC准则和PLOC准则建立故障模式影响表；计算每次设备停运的系统恢复时间最终获得全年可靠性指标。
一种基于 arima 模型配电网运行可靠性预测方法

[发明专利]电离层的总电子含量预测方法、装置、设备及存储介质-CN202110040079.0有效
发明人：舒颖;闵阳;曹成度;滕焕乐;吴石军;马龙;郑跃 -专利权人：中铁第四勘察设计院集团有限公司
申请日： 2021-01-13 - 公布日： 2023-04-28 - 主分类号： G06Q10/04 文献下载
摘要：所述方法包括：对第n周期内所述电离层的第一总电子含量TEC时间序列进行平稳性检验，得到所述第一TEC时间序列的平稳性参数；其中，所述n为大于或等于1的正整数；根据所述第一TEC时间序列的平稳性参数，确定处理所述第一TEC时间序列的目标模型；基于所述目标模型预测第m周期内的第二TEC时间序列，得到所述第m周期内的所述电离层的TEC预测值，其中，所述m为大于所述n的正整数。
电离层电子含量预测方法装置设备存储介质

[发明专利]基于深度集合经验模态分解的高速公路OD预测方法-CN202110200383.7有效
发明人：于海洋;刘帅;任毅龙;于海生 -专利权人：北京航空航天大学;吉林省高速公路管理局
申请日： 2021-02-23 - 公布日： 2022-09-30 - 主分类号： G08G1/01 文献下载
摘要：本专利公开了一种基于深度集合经验模态分解的高速公路OD预测方法，所述方法包括：步骤一、提取高速公路OD序列；步骤二：基于集合经验模态分解的时间特征提取；步骤三：基于GRU网络的OD序列预测。本发明提出的预测方法组合了集合经验模态分解模型和深度学习网络，一方面模型能够将非平稳非线性数据转为平稳线性数据，对预测模型挖掘时序关系起到极大的辅助作用，增加模型预测精度；另一方面可以降低模型复杂度，提高模型的计算效率
基于深度集合经验分解高速公路 od 预测方法

[发明专利]一种智能水产养殖场景下的非平稳水声信号自适应检测方法-CN202210652311.0在审
发明人：曹天宇;赵晓群;杨一晨;徐中伟 -专利权人：同济大学
申请日： 2022-06-10 - 公布日： 2022-09-27 - 主分类号： G01H17/00 文献下载
摘要：本发明涉及一种智能水产养殖场景下的非平稳水声信号自适应检测方法，该方法采用一种联合高阶累积量(Higher‑order Cumulants,HOC)和识别函数(Recognition‑Sigmoid,r‑Sigmoid)的自适应信号识别曲线(Adaptive Signal Recognition Curve,ASRC)算法，用于在智能水产养殖场景下对南美白对虾发出的非平稳声信号进行检测。对南美白对虾发出的非平稳时间序列声信号进行实时分帧的HOC处理，得到实时高阶累积量值；S2：预置r‑Sigmoid函数中两个识别因子，分别为λ和ξ。设定好的r‑Sigmoid函数与实时高阶累积量值相结合，实现对非平稳声信号在该时刻的动态加权。S3：结合S1和S2的内容，构建ASRC算法，并根据应用场景设定识别因子和检测阈值。
一种智能水产养殖场景平稳信号自适应检测方法

[发明专利]一种高炉出铁中计算铁水流速的方法、装置及存储介质-CN202210792771.3有效
发明人：严晗;戴文;叶理德;欧燕;刘书文 -专利权人：中冶南方工程技术有限公司
申请日： 2022-07-07 - 公布日： 2023-10-27 - 主分类号： C21B5/00 文献下载
摘要：本发明提供一种高炉出铁的计算铁水流速的方法，该方法包括：周期性采集高炉各铁口铁轨的轨道衡称量毛重数据，组成原始数据序列；采用滑动窗口算法检测检测原始数据序列的拐点，并利用拐点将其切分为多段数据序列；采用平稳性检验法，根据预定的规则确定每段数据序列的出铁状态并获得处于正在出铁状态的数据序列；计算处于正在出铁状态的数据序列的各时间点的铁水流速，非正在出铁状态的时间点的铁水流速为0。
一种高炉出铁计算铁水流速方法装置存储介质

[发明专利]一种基于深度集成学习的城市大规模路网交通速度预测方法-CN201910496746.9有效
发明人：陈喜群;张帅超;周凌霄;于静茹;姚富根;莫栋 -专利权人：浙江大学
申请日： 2019-06-10 - 公布日： 2020-11-17 - 主分类号： G08G1/01 文献下载
摘要：本发明涉及一种基于深度集成学习的城市大规模路网交通速度预测方法，其主要步骤包括：获取路网中所有检测点的交通流检测数据；将速度时间序列分解成多个本征模态函数和残差序列；加入外部变量构建三维时空深度输入张量，将检测器堆叠至第三维深度维上；对卷积神经网络模型参数进行标定，利用标定好的模型对由本征模态函数和残差序列构成的矩阵进行预测；对预测后的速度时间子序列进行重建，恢复为路网层面所有检测点位的预测速度时间序列本发明方法通过将复杂的非线性、非平稳速度时间序列分解为多个具有更强周期性的子序列，在实现城市大规模路网交通速度一次性多步预测的同时，提高了预测精度和预测效率，具有良好的空间拓展性。
一种基于深度集成学习城市大规模路网交通速度预测方法

[发明专利]基于监控参数的设备稳定性状态预测及评价方法-CN202310415583.3在审
发明人：倪何;肖鹏飞;卓越 -专利权人：中国人民解放军海军工程大学;中国船舶集团有限公司第七〇三研究所
申请日： 2023-04-18 - 公布日： 2023-08-18 - 主分类号： G06Q10/063 文献下载
摘要：采用MREMD分解方法对所述初始时间序列进行分解，提出了基于MREMD分解和小波阈值降噪的非平稳时间序列单参数预测模型，提高了设备的预测精度；通过将各个评价指标的参数时间序列转化为波动值序列，使得能够确定设备各个评价指标的正负理想解，再结合改进的TOPSIS算法和现有B型灰色关联分析法得到各个评价指标的加权评价参数序列的相关性权值，得到最终的各个所述预测趋势项运行稳定性状态评分，再根据该稳定性状态评分对各个评价指标进行调整，通过对相关参数的及时调整，能够保证未来一段时间内设备整体的稳定性。
基于监控参数设备稳定性状态预测评价方法

[发明专利]基于模糊C均值和混合核最小二乘支持向量机的SDN网络流程控制方法-CN202210071611.X有效
发明人：李帅永;张旭云涛 -专利权人：重庆邮电大学
申请日： 2022-01-21 - 公布日： 2023-06-16 - 主分类号： H04L43/0876 文献下载
摘要：本发明属于网络流量预测领域，具体涉及一种基于模糊C均值和混合核最小二乘支持向量机的SDN网络流程控制方法，该方法包括：采用离散小波变换将非平稳SDN网络流量数据转化为平稳时间序列分量；对平稳时间序列分量进行处理
基于模糊均值混合最小支持向量 sdn 网络流程控制方法

[发明专利]一种判定水文时间序列平稳性类型的方法-CN202010980380.5有效
发明人：桑燕芳;李鑫鑫;杨默远 -专利权人：中国科学院地理科学与资源研究所
申请日： 2020-09-17 - 公布日： 2023-06-20 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种判定水文时间序列平稳性类型的方法，包括：检验序列S(t)的确定性程度；若检验为确定性过程，评估序列S(t)的线性趋势显著性：若线性趋势显著，则判定为趋势平稳序列，若趋势不显著，则判定为随机平稳序列；若检验为随机过程，计算序列S(t)的分数差分参数d：若d0.5，则判定为差分平稳序列；若d进行单位根检验：若三者结果一致且d=0，则判定为趋势平稳序列；若三者结果不一致，则判定为趋势平稳与长距离依赖特性的耦合。本发明提高水文时间序列平稳性类型最终判定结果的可靠性，从而为水文模拟预报、频率计算等工作提供科学依据。
一种判定水文时间序列平稳类型方法

[发明专利]时间序列的预测方法、装置、设备及程序产品-CN202210303163.1在审
发明人：路杰程;王硕佳;叶碧荣 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-03-24 - 公布日： 2022-06-28 - 主分类号： G06F16/2458 文献下载
摘要：本申请提供了一种时间序列的预测方法、装置、设备、存储介质及程序产品；方法包括：获取第一历史时间序列以及多个第二历史时间序列；将第一历史时间序列分别与每个第二历史时间序列进行因果检验处理；将每个第二历史时间序列分配至显著序列集合或非显著序列集合；基于显著集合、非显著集合以及第一历史时间序列，对非显著集合中的每个第二历史时间序列进行增量检验处理；将增量检验处理结果满足解释性条件的第二历史时间序列确定为第三历史时间序列；其中，第三历史时间序列用于供多个基类预测模型预测处理，得到与第一历史时间序列对应的预测时间序列。通过本申请，能够有效提高所筛选的历史时间序列的可解释性，为预测提供了决策参考。
时间序列预测方法装置设备程序产品

首页
«上一页
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条