“模糊预测”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287848个，建议您升级VIP下载更多相关专利

[发明专利]一种基于带状时变模糊信息粒的时间序列长期预测方法-CN201810555787.6有效
发明人：骆超;谭晨皓 -专利权人：山东师范大学
申请日： 2018-06-01 - 公布日： 2021-02-23 - 主分类号： G06F16/2458 文献下载
摘要：本发明公开了一种基于带状时变模糊信息粒的时间序列长期预测方法，划分目标时间序列，得到若干笔数据集；基于划分后的数据集，构造带状时变模糊信息粒，将时间序列转化为颗粒时间序列；将颗粒时间序列划分为训练集和预测集，利用训练集中带状时变模糊信息粒建立模糊逻辑规则，基于模糊逻辑规则和三阶模糊逻辑关系构建模糊预测模型，利用模糊预测模型对预测集中带状时变模糊信息粒进行预测；对预测结果进行去模糊化处理，并计算预测精度评价指标，对预测结果进行评价。本发明构造一种基于带状时变模糊信息的模糊预测模型，进行粒度层次上的预测以对时间序列进行长期预测，并将预测结果去模糊化，使用RMSE、MAPE、MAE指标对预测结果进行评价。
一种基于带状模糊信息时间序列长期预测方法

[发明专利]多因素模糊时间序列算法对设备指标进行预测的方法-CN202111034331.3在审
发明人：杨栋;贾利峰;马记 -专利权人：华电莱州发电有限公司
申请日： 2021-09-03 - 公布日： 2021-11-30 - 主分类号： G06Q10/04 文献下载
摘要：本发明提出了一种多因素模糊时间序列算法对设备指标进行预测的方法，包括：步骤1：获取目标设备运行数据并选取相关指标；步骤2：对指标数据求变换率；步骤3：对数据进行论域划分；步骤4：定义模糊集合，对数据模糊处理；步骤5：构造多因素模糊时间序列预测模型，预测指标；步骤6：对预测值去模糊化处理；步骤7：得到最终的预测值；步骤8：计算预测模型的预测准确率，借此，本发明能提取并模糊化处理相关指标的变化率数据以得到多因素模糊时间序列，基于模糊时间序列提出新的融合多因素信息的模糊时间序列预测模型，对目标指标进行预测，为机组设备指标预测以及趋势预测提供有效方法预测准确率高、对实现设备指标预测具有重要意义。
因素模糊时间序列算法设备指标进行预测方法

[发明专利]用于数据处理（DP）加速器的使用模糊处理的数据传输-CN202010146431.4在审
发明人：程越强;朱贺飞 -专利权人：百度（美国）有限责任公司
申请日： 2020-03-05 - 公布日： 2021-03-12 - 主分类号： G06F21/60 文献下载
摘要：根据一个实施方式，主机使用模糊处理方案与数据处理(DP)加速器通信。DP加速器接收模糊处理内核算法(或模糊处理算法)，其中，模糊处理内核算法用于对与主机通信的数据进行模糊处理和去模糊处理。DP加速器使用模糊处理内核算法来对从主机接收到的、用于预测请求的经模糊处理的数据进行去模糊处理，以获得一个或多个AI模型。DP加速器通过将一个或多个AI模型应用于预测输入来生成预测结果。DP加速器使用模糊处理内核算法对预测结果进行模糊处理。DP加速器将经模糊处理的预测结果发送到主机，其中，主机通过对经模糊处理的预测结果进行去模糊处理来恢复预测结果。
用于数据处理 dp 加速器使用模糊处理数据传输

[发明专利]一种基于改进的海鸥算法和XGBoost的模糊时间序列预测方法-CN202310283341.3在审
发明人：陈开源;鲜思东 -专利权人：重庆邮电大学
申请日： 2023-03-22 - 公布日： 2023-05-30 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及一种基于改进的海鸥算法和XGBoost的模糊时间序列预测方法，属于模糊时间序列预测领域。该方法具体为：确定模糊时间预测模型的参数；基于随机迁徙行为和Powell算法对海鸥优化算法进行改进；通过改进的海鸥算法将论域U划分为n个区间；采用对称三角模糊隶属度函数将原始时间序列数据模糊化；训练XGBoost模型以预测模糊隶属度变化，输出模糊时间序列F(t)；判断海鸥优化算法当前的迭代次数是否大于最大迭代次数，若小于，返回继续改进海鸥优化算法，若大于，则去模糊化，得到实际预测数据。本发明能够提高模糊时间序列预测模型的预测精度，使得预测结果更精准可靠。
一种基于改进海鸥算法 xgboost 模糊时间序列预测方法

[发明专利]一种基于不定长模糊信息粒的时间序列预测方法和装置-CN201811215762.8在审
发明人：骆超;王海月 -专利权人：山东师范大学
申请日： 2018-10-18 - 公布日： 2019-03-08 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种基于不定长模糊信息粒的时间序列预测方法和装置，采用K线图构造方法处理原始时间序列，基于K线分笔思想的不等长划分论域方法划分模糊时间序列；基于划分后的模糊时间序列构造带状高斯模糊信息粒，形成模糊时间序列的不定长模糊信息粒群体；构建循环模糊神经网络，并进行结构学习和参数学习；利用循环模糊神经网络对模糊时间序列进行长期预测，并将预测结果去模糊化。本发明基于信息颗粒和循环模糊神经网络实现时间序列长期预测，预测的多个值可以在一步内完成，而不是迭代地分别预测每个值，即可以实现长期预测。
时间序列模糊信息模糊神经网络预测模糊时间序列预测方法和装置参数学习信息颗粒预测结果不等长模糊化图构造迭代高斯构建论域群体学习

[发明专利]一种预测台风期阵风的方法-CN201711324190.2有效
发明人：何彩芬;钱斌凯;金炜;徐彬;林陈爽 -专利权人：宁波市镇海区气象局
申请日： 2017-12-13 - 公布日： 2021-12-10 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种预测台风期阵风的方法，特点是包括以下步骤：设置训练集和预测集，并对训练集和预测集分别进行归一化预处理；建立模糊训练集和模糊预测集；初始化果蝇优化算法中种群规模N、最大迭代次数、算法终止条件、味道浓度判定函数和限制参数θ，设定模糊支持向量机的惩罚因子C的取值范围和核参数g的取值范围；对模糊支持向量机的惩罚因子和核参数进行优化，获取优化后的模糊支持向量机的惩罚因子和核参数，得到优化后的模糊支持向量机；将优化后的模糊支持向量机对模糊训练集进行拟合训练，再对模糊预测集进行预测，实现对台风期阵风的预测；优点是预测精度较高、预测结果较为有效可靠。
一种预测台风阵风方法

[发明专利]一种基于模糊预测的车辆轨迹数据压缩方法及装置-CN202211706702.2在审
发明人：李英龙;孟丹;陈铁明;许馨宸;季白杨 -专利权人：浙江工业大学
申请日： 2022-12-29 - 公布日： 2023-02-03 - 主分类号： G06F40/126 文献下载
摘要：本发明公开了一种基于模糊预测的车辆轨迹数据压缩方法及装置，包括如下步骤：(1)在边缘车联网环境采集轨迹数据，确定隶属度函数，对轨迹数据模糊化。(2)轨迹模糊预测，通过原始的轨迹数据对驾驶意图进行预测，再根据模糊数据进行模糊预测，得到模糊的轨迹数据。(3)误差计算及轨迹点保留，将原始的模糊数据与预测的模糊数据比较，如果误差大于设定的阈值，则保留该模糊轨迹点。本发明方法基于轨迹数据的模糊化表示，既具有轻量级的隐私保护功能。并且采用基于模糊字符的轨迹数据表达，显著降低了边缘车联网数据的通信量，减少了带宽消耗。本发明基于轨迹的模糊预测进一步压缩了轨迹数据，极大的提升了压缩效果。
一种基于模糊预测车辆轨迹数据压缩方法装置

[发明专利]EGR模糊逻辑枢轴定位系统-CN200610164254.2无效
发明人： K·D·麦克莱因;W·王 -专利权人：通用汽车环球科技运作公司
申请日： 2006-12-07 - 公布日： 2007-06-13 - 主分类号： F02M25/07 文献下载
摘要：一种定位EGR阀枢轴的废气再循环(EGR)阀定位系统，包括预测温度模糊逻辑模块、低热模糊逻辑模块、过热模糊逻辑模块和乘法模块。预测温度模糊逻辑模块确定枢轴的预测温度，并基于此产生预测温度修正量。低热模糊逻辑模块产生表示发动机系统暖机期间的枢轴温度的低热修正量。过热模糊逻辑模块产生表示发动机系统暖机之后的枢轴温度的过热修正量。乘法模块与预测温度模糊逻辑模块、低热模糊逻辑模块和过热模糊逻辑模块通信，并基于预测温度修正量、低热修正量和过热修正量的乘积产生修正量信号。
egr 模糊逻辑枢轴定位系统

[发明专利]一种基于二型模糊逻辑的分布式光伏电源发电量预测方法-CN201210558717.9无效
发明人：喻洁;吴在军;窦晓波;冯其芝 -专利权人：东南大学
申请日： 2012-12-20 - 公布日： 2013-05-01 - 主分类号： G06F19/00 文献下载
摘要：本发明公开了一种基于二型模糊逻辑的分布式光伏电源发电量预测方法，包括如下步骤：累积光照强度、环境温度、湿度、光伏电源发电量历史数据；训练与构造区间二型模糊逻辑预测系统；将实时光照强度、环境温度、湿度作为初始参数输入区间二型模糊逻辑预测系统，输出得到两种类型的光伏电源发电量预测，即单一型预测值和区间二型模糊预测集合。本发明采用中心集降型方法，得到发电量预测的区间二型模糊集合，能很好地描述光伏发电量的波动性；采用解模糊方法，从区间二型模糊集合中提取单一型预测值，有效地提高了预测精度。本发明提出的分布式光伏电源发电量预测方法，既可以用于精确型预测，也可用于模糊型预测，具有较高的实用价值。
一种基于模糊逻辑分布式电源发电量预测方法

[发明专利]数据输入系统-CN200680029777.4无效
发明人：菲罗兹·加萨比安 -专利权人：菲罗兹·加萨比安
申请日： 2006-06-16 - 公布日： 2008-08-13 - 主分类号： H03M11/00 文献下载
摘要：一种用于处理模糊数据的数据输入系统包括非模糊键(14207、14208)和模糊键(14203)，如图18所示。该系统根据模糊输入预测字。如果所预测的字不是期望的，则非模糊输入用期望的字符代替所述字中的字符。根据非模糊输入进行第二次预测。
数据输入系统

[发明专利]一种应用模糊轨迹序列的轨迹预测方法-CN201710324975.3有效
发明人：曲桦;张艳鹏;刘军;赵季红 -专利权人：西安交通大学
申请日： 2017-05-10 - 公布日： 2019-12-24 - 主分类号： G06K9/62 文献下载
摘要：本发明提出一种应用模糊轨迹序列的轨迹预测方法，通过引入模糊轨迹序列模型，对用户的移动轨迹进行模糊化处理，并通过模糊时间序列的预测方法，对用户的运动轨迹进行预测。方法中对用户的轨迹进行了模糊化处理，设计了网格化的模糊化方法，由此实现了模糊轨迹序列模型。通过引入离群点处理的机制，本方法可以处理历史信息不足时的轨迹预测问题，通过引入离群点检测机制以及离群点预测模型，以降低离群点对算法整体性能的影响。
一种应用模糊轨迹序列预测方法

[发明专利]基于高斯模糊信息粒的水文时间序列预测方法及系统-CN201911168038.9在审
发明人：骆超;赵圆圆 -专利权人：山东师范大学
申请日： 2019-11-25 - 公布日： 2020-05-08 - 主分类号： G06Q10/06 文献下载
摘要：本公开公开了基于高斯模糊信息粒的水文时间序列预测方法及系统，包括：获取河流的历史水文时间序列；对河流的历史水文时间序列进行划分，得到若干个目标时间序列；对每个目标时间序列进行高斯模糊化，构造信息粒；基于信息粒，构建模糊预测结果；对模糊预测结果进行去模糊化处理，得到预测的水文时间序列。
基于模糊信息水文时间序列预测方法系统

[发明专利]基于模糊逻辑预测统计人口总数的方法-CN201910090243.1有效
发明人：刘湘湘 -专利权人：深圳航天智慧城市系统技术研究院有限公司
申请日： 2019-01-29 - 公布日： 2021-01-26 - 主分类号： G06F16/2458 文献下载
摘要：本发明提供了一种基于模糊逻辑预测统计人口总数的方法，采用模糊时间序列模型来预测，将精确记录的时间序列观测值表示为具有模糊特征的语言变量并且建立具有多前间的模糊逻辑关系，最后将模型输出去模糊化得到精确预测值本发明能够减少误差，提高预测的准确度。通过将模糊论和时间序列相结合，它能够在数据资料不完整和含有噪音的情况下，消除动态系统中不确定性因素的影响，从而充分利用历史数据隐含未来变动的信息，来提高预测结果的准确性。因此，基于模糊时间序列的人口预测比传统方法更好。
基于模糊逻辑预测统计人口总数方法

[发明专利]一种在线序列数据预测方法及装置-CN201810696299.7在审
发明人：骆超 -专利权人：山东师范大学
申请日： 2018-06-29 - 公布日： 2018-11-27 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了在线序列数据预测方法及装置。其中，该预测方法包括：构造区间二型直觉循环模糊神经网络模型；训练区间二型直觉循环模糊神经网络模型；其具体过程为：通过递归地更新平均值和标准差来标准化序列数据样本；基于近似密度中心的递归计算的动态聚类方法选择直觉模糊集模糊规则；将标准化的序列数据样本输入至选定直觉模糊集模糊规则的区间二型直觉循环模糊神经网络模型中，输出序列数据预测结果并判断其是否达到预设精度要求；若是，则训练完成区间二型直觉循环模糊神经网络模型；否则，更新输出权重、反馈权重、直觉模糊集模糊规则中心和点差，直至输出的预测结果达到预设精度要求；将在线序列数据输入至训练完成的模型，获得预测结果。
序列数据模糊神经网络模型模糊规则模糊集精度要求预测结果预设预测标准化递归计算动态聚类方法选择密度中心输出权重输出序列数据预测训练区间样本输入标准差递归更新权重近似样本反馈输出

[发明专利]一种地铁换乘通道通行状态的模糊预测方法-CN201310349757.7有效
发明人：王扬;陈艳艳 -专利权人：北京工业大学
申请日： 2013-08-12 - 公布日： 2016-11-09 - 主分类号： G06F19/00 文献下载
摘要：一种地铁换乘通道通行状态的模糊预测方法，由布设在地铁换乘通道出入口的摄像头构成采集环境，根据摄像头记录的乘客通过出入口的时刻，计算出乘客通过换乘通道的平均行程时间，识别及剔除平均行程时间记录数据的异常值，弥补平均行程时间的缺失数据，计算当天每个地铁到站时刻对应的时间占空比，应用模糊C‑均值聚类分析法，根据预设的通行状态，对当天及以前所有记录的时间占空比数据进行通行状态的模糊划分，得到模糊集，计算每个聚类对应的高斯隶属函数的参数，选用一阶Sugeno模糊推理系统作为预测模型的基本框架，通过对训练样本的学习，建立模糊预测模型并进行预测，预测结果反模糊化并最终输出通行状态预测结果的精确值和模糊值。
一种地铁换乘通道通行状态模糊预测方法

1
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