“预测函数”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397475个，建议您升级VIP下载更多相关专利

[发明专利]一种三相光伏逆变器的预测控制方法、系统、设备及介质-CN202310343505.7在审
发明人：刘铠诚;王松岑;孙沛;张新鹤;吴守尊;贾晓强;陈丽娜;李德智;保承家;钟鸣;牛炜;黄伟;马凡琳;陈洪银;何桂雄;曹东;管敏渊;孙先山 -专利权人：中国电力科学研究院有限公司;国网甘肃省电力公司;国网甘肃省电力公司平凉供电公司;国网浙江省电力有限公司湖州供电公司;国网浙江省电力有限公司德清县供电公司;国家电网有限公司
申请日： 2023-04-03 - 公布日： 2023-08-08 - 主分类号： H02J3/38 文献下载
摘要：一种三相光伏逆变器的预测控制方法、系统、设备及介质，包括：基于逆变器当前时刻下的运行数据和各开关状态，利用预先构建的第一模型进行预测，得到下一时刻各开关状态对应的预测滑模函数值；利用预先构建的价值函数从下一时刻各开关状态对应的预测滑模函数值中确定最优预测滑模函数值；以最优预测滑模函数值对应的开关状态作为下一时刻逆变器的控制变量；其中，第一模型基于预测模型结合预测滑模函数进行构建；本发明提出价值函数仅有滑模控制项且无需设置权重系数，节省了繁杂的权重因子调节过程和运算量，有助于降低预测控制系统参数整定难度及运算复杂度；本发明中的预测滑模函数能够有效抑制系统谐振，从而提高光伏发电系统鲁棒性和稳定性。
一种三相逆变器预测控制方法系统设备介质

[发明专利]基于梯度下降的配电网线路重跳概率预测优化方法和装置-CN202010402400.0有效
发明人：聂鼎;宋忧乐;范黎涛;王洪林;骆怡;林广宏 -专利权人：云南电网有限责任公司电力科学研究院
申请日： 2020-05-13 - 公布日： 2023-08-18 - 主分类号： G06Q10/04 文献下载
摘要：本申请涉及电网设备制造技术领域，特别地，涉及一种基于梯度下降的配电网线路重跳概率预测优化方法和装置。所述方法包括：基于配电网数据构建重跳概率预测模型；通过函数映射生成目标函数；基于所述目标函数、重跳概率预测模型计算得到预测值；通过预测值和实际值的绝对误差构造损失函数，赋值超参数；通过随机梯度下降方法获取所述损失函数的最小损失值；基于所述最小损失值，确定模型参数，得到最优重跳概率预测模型。
基于梯度下降配电网线路概率预测优化方法装置

[发明专利]基于神经网络核函数GPR的锂电池健康状态预测方法-CN201610768962.0在审
发明人：付作娴;宋显华;袁丽丽;王北一 -专利权人：哈尔滨理工大学
申请日： 2016-08-29 - 公布日： 2016-11-16 - 主分类号： G01R31/36 文献下载
摘要：本发明提供了一种基于神经网络核函数GPR的锂电池健康状态预测方法，该方法包括：基于神经网络核函数确定协方差函数，以构建GPR预测模型；对GPR预测模型中的均值函数和协方差函数中的超参数进行初始化；利用对数极大似然估计函数对超参数进行最优化；将训练数据和测试数据输入到GPR预测模型中，以获得测试数据的值。本发明的上述锂电池健康状态预测方法，能够使得对电池SOH值的预测的准确度和精度较高，不确定度较低。
基于神经网络函数 gpr 锂电池健康状态预测方法

[发明专利]基于数据样本增强的深度学习模型去偏方法和装置-CN202110777118.5在审
发明人：陈晋音;李秦峰 -专利权人：浙江工业大学
申请日： 2021-07-09 - 公布日： 2021-09-07 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于数据样本增强的深度学习模型去偏方法，包括：获得数据集，并分为特权样本集和非特权样本集；通过多个偏见指标构建偏见指标函数，对偏见指标函数进行训练，得到增强样本集，获得最终偏见指标函数；构建预测收入模型；利用强化样本集，采用损失函数训练收入预测模型；每训练一阶段，将收入预测模型输出的收入预测结果和强化样本集通过最终偏见指标函数进行测算，当最终偏见指标函数计算结果满足偏见阈值，则获得最终收入预测模型。该方法该方法能够有效去除社会偏见，精准预测收入。
基于数据样本增强深度学习模型偏方装置

[发明专利]数值控制装置-CN201610561403.2有效
发明人：加藤朋和;佐藤和生;前田英朗 -专利权人：发那科株式会社
申请日： 2016-07-15 - 公布日： 2018-10-09 - 主分类号： G05B19/406 文献下载
摘要：本发明涉及一种数值控制装置，具备：API接口部，其接受API提供的API函数的调用；API控制部，其根据API函数的调用来执行API函数的处理；以及处理时间预测单元，其预测是否在预定时间内完成API函数的执行，在处理时间预测单元预测为在预定时间内不能完成API函数的执行的情况下，API控制部不执行API函数的处理而结束。
数值控制装置

[发明专利]风电功率波动区间预测模型的生成方法、装置及电子设备-CN202211572084.7在审
发明人：王一妹;任鑫;郭辰;王华;祝金涛;周利;赵鹏程;王恩民;童彤;朱俊杰 -专利权人：中国华能集团清洁能源技术研究院有限公司;华能澜沧江水电股份有限公司
申请日： 2022-12-08 - 公布日： 2023-04-04 - 主分类号： G06Q10/04 文献下载
摘要：本申请关于一种风电功率波动区间预测模型的生成方法、装置及电子设备。具体方案为：获取风电场的历史风电数据；基于历史风电数据，确定风电功率波动区间预测模型的发电功率预测函数；基于发电功率预测函数和预设置信度确定发电功率波动区间预测函数；将发电功率预测函数和发电功率波动区间预测函数确定为风电功率波动区间预测模型；将风速样本数据和风向样本数据输入至风电功率波动区间预测模型，得到发电功率预测数据和发电功率波动区间预测数据；基于发电功率实测样本数据、发电功率预测数据和发电功率波动区间预测数据确定目标指标值，基于目标指标值对风电功率波动区间预测模型进行调参本申请可以获得风电功率均值及区间预测结果。
电功率波动区间预测模型生成方法装置电子设备

[发明专利]一种产油量预测模型建立方法、产能预测方法及存储介质-CN202211061735.6在审
发明人：廖璐璐;李根生;杨顺辉;田守嶒;宋先知;王天宇;高启超;胡晓东;周珺;祝兆鹏;涂志勇;徐茂雅 -专利权人：中国石油化工股份有限公司石油工程技术研究院;中国石油大学(北京)
申请日： 2022-08-31 - 公布日： 2022-11-22 - 主分类号： G06Q10/04 文献下载
摘要：本文提供了一种产油量预测模型建立方法、产能预测方法及存储介质，包括：获取清洗完成的训练集和测试集，其中，训练集和测试集包括若干组历史数据，包括地质参数、施工参数以及产油量；将训练集中的地质参数和施工参数均输入初始化完成的预测模型，得到模型输出值；使用损失函数确定模型输出值与测试集中真实值的误差项，损失函数根据真实损失函数和物理损失函数确定得到；根据损失函数更新当前预测模型中各个节点的权重系数，得到训练完成的预测模型，实现了根据物理损失函数校正损失函数，考虑到了页岩油气储层的物理规律，并通过真实损失函数和物理损失函数共同确定损失函数进行更新各个节点的权重系数，可以提升模型的收敛速度和预测精度。
一种产油预测模型建立方法产能存储介质

[发明专利]一种高速公路交通流预测方法-CN201811654715.3有效
发明人：蔡延光;乐冰;蔡颢 -专利权人：广东工业大学
申请日： 2018-12-29 - 公布日： 2022-01-25 - 主分类号： G08G1/01 文献下载
摘要：本发明公开了一种高速公路交通流预测方法，涉及智能交通领域。本发明建立基于改进萤火虫‑径向基函数神经网络的高速公路交通流预测模型；设计了改进萤火虫算法训练径向基函数神经网络参数，提高所述径向基函数神经网络的精度和收敛速度；通过计算所述径向基函数神经网络的损失函数值，选择损失函数最小的径向基函数神经网络，用来预测高速公路交通车流量。本发明提出的高速公路交通流预测方法，计算速度快、预测精度准，在高速公路交通流预测时有很好效果。
一种高速公路通流预测方法

[发明专利]用于服务器的预测方法及装置、服务器、存储介质-CN202111162458.3在审
发明人：展波;刘超;陈合;张卫平 -专利权人：青岛海尔科技有限公司;海尔智家股份有限公司
申请日： 2021-09-30 - 公布日： 2023-04-04 - 主分类号： G06F11/22 文献下载
摘要：本申请涉及信息处理技术领域，公开一种用于服务器的预测方法，包括获取预测函数以及待预测数据的目标时间信息，所述预测函数由不同时间段的历史数据生成；利用加权规则对所述预测函数进行处理，获得与所述目标时间信息对应的目标预测函数本申请还公开一种用于服务器的预测装置及服务器、存储介质。
用于服务器预测方法装置存储介质

[发明专利]模型训练方法、预测方法、装置和电子设备-CN202110860353.9在审
发明人：谭清宇;何瑞丹;邴立东;吴慧途 -专利权人：阿里巴巴新加坡控股有限公司;新加坡国立大学
申请日： 2021-07-27 - 公布日： 2023-02-07 - 主分类号： G06F18/241 文献下载
摘要：本说明书实施例公开了一种模型训练方法、预测方法、装置和电子设备。所述模型训练方法包括：将若干数量的样本数据输入至预测模型，得到所述样本数据的预测结果；根据所述预测结果和所述样本数据的标签，利用所述预测模型的损失函数计算损失信息，所述损失函数包括第一函数项和第二函数项，所述第一函数项用于增加不同标签所对应样本数据之间的差异，所述第二函数项用于减小预测结果和标签之间的差异；根据所述损失信息，确定所述预测模型的参数。
模型训练方法预测装置电子设备

[发明专利]基于信赖域算法的用户窃电概率预测方法、装置及设备-CN201710038700.3在审
发明人：张诗军;王志英;林火华;陈丰;李远宁;杨漾;范钢钊;黄聪 -专利权人：中国南方电网有限责任公司;彩讯科技股份有限公司
申请日： 2017-01-19 - 公布日： 2017-06-13 - 主分类号： G06F19/00 文献下载
摘要：本发明实施例公开了一种基于信赖域算法的用户窃电概率预测方法、装置及设备。该方法包括获取历史用户的特征因子以及历史用户的窃电信息；依据逻辑斯蒂回归模型和所述历史用户的特征因子，构建窃电概率预测函数，其中所述窃电概率预测函数包括待确定的系数向量；依据所述历史用户的特征因子以及所述历史用户的窃电信息，对所述预测拟合函数进行转化得到代价函数；基于信赖域算法求解所述代价函数得到所述系数向量的取值；依据所述系数向量的取值，得到窃电概率预测函数；依据当前用户的特征因子和所述窃电概率预测函数，确定当前用户的窃电概率本发明实施例提供的技术方案，提高了用户窃电概率预测的效率及准确度。
基于信赖算法用户概率预测方法装置设备

[发明专利]一种基于Logistic回归算法的劳资纠纷预测方法-CN201811530247.9在审
发明人：张博;武文曦;胡罡 -专利权人：中国电子科技集团公司电子科学研究院
申请日： 2018-12-14 - 公布日： 2020-06-23 - 主分类号： G06Q10/04 文献下载
摘要：本发明提出了一种基于Logistic回归算法的劳资纠纷预测方法，包括：步骤1，对劳资纠纷预测相关数据进行预处理；步骤2，基于预处理后的劳资纠纷预测相关数据构建企业发生劳资纠纷概率的回归函数，基于所述回归函数构造似然函数；步骤3，基于所述似然函数求解所述劳资纠纷预测相关数据在所述回归函数中对应的最佳参数向量，以确定出所述回归函数；步骤4，基于确定出的所述回归函数计算每个企业发生劳资纠纷概率。本发明将大数据以及机器学习的先进技术应用到企业劳资纠纷预测，从根本上改变了传统的对劳资纠纷预测的人为因素所产生的不准确性，极大的提高了模型预测的查全率与查准率。
一种基于 logistic 回归算法劳资纠纷预测方法

[发明专利]对诸如光刻系统的系统进行建模以供执行系统的预测性维护的方法-CN202180018809.5在审
发明人： C·兰吉亚;A·P·根德伯拉;D-J·科恩坎普;S·I·莫萨瓦特;A·尤普马 -专利权人： ASML荷兰有限公司
申请日： 2021-02-04 - 公布日： 2022-10-18 - 主分类号： G03F7/20 文献下载
摘要：披露了一种调整与制造装置的至少一个特定配置有关的预测模型的方法。所述方法包括：获得函数，所述函数至少包括与所述至少一个特定配置相关联的第一预测模型参数的第一函数、以及所述第一预测模型参数和所述制造装置和/或有关装置的与除了所述至少一个特定配置之外的配置相关联的第二预测模型参数的第二函数基于对所述函数的优化来获得所述第一预测模型参数的值，以及根据所述第一预测模式参数的这些值来调整预测模型以获得经调整的预测模式。
诸如光刻系统进行建模执行预测维护方法

[发明专利]事件预测装置及事件预测方法-CN201980000380.X在审
发明人：梶田真实;梶田晴司 -专利权人：株式会社奇异摄动
申请日： 2019-03-27 - 公布日： 2020-11-27 - 主分类号： G06N20/00 文献下载
摘要：本发明提供一种事件发生预测装置及事件发生预测方法，基于过去发生的特定事件的历史数据来预测特定事件将来的发生密度，即使在数据量较少的情况下预测精度仍能得到提高。事件发生预测装置具有预测式构建部(10)及预测部(30)。预测式构建部(10)通过特定事件的发生时刻t与用于确定特定事件的发生区域的区域确定变量x的函数ρ(t,x)来得到所述特定事件的发生密度，且函数ρ(t,x)由外部因素{f}与函数ρ(t,x)的映射F[ρ(t,x)+{f}]给出，根据过去发生的特定事件的历史数据来求出映射F[ρ(t,x)+{f}]，将函数ρ(t,x)表示为发生时刻t与区域确定变量x的函数。预测部(30)对函数ρ输入将来的时刻以及用于确定区域的值，从而预测出特定事件的发生密度。
事件预测装置方法

[发明专利]一种短期居民负荷的自适应区间预测方法-CN202111283707.4在审
发明人：龙寰;耿润昊;顾伟 -专利权人：东南大学
申请日： 2021-11-01 - 公布日： 2022-01-28 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开一种短期居民负荷的自适应区间预测方法，所述预测方法包括以下步骤：收集处理数据，建立负荷区间的上限以及下限预测模型；通过参数变换削减有偏凸损失函数的超参数个数，并将其作为优化上限预测模型和下限预测模型参数的损失函数，在提出的自适应更新策略的迭代调整下，实现损失函数超参数的自动寻优，求解最小化损失函数；根据最小化损失函数构建达到期望覆盖率且平均预测区间宽度最窄的最优预测区间；通过将单边覆盖率指标融入提出的自适应更新策略，进一步提升模型的预测性能和稳定性。本发明预测方法，构建上下限预测模型，基于单边覆盖率调整损失函数的超参数，通过参数变换，简化超参数个数，显著降低了超参数调整难度。
一种短期居民负荷自适应区间预测方法