-
公开(公告)号：CN118861853B
公开(公告)日：2025-03-21
申请号：CN202410887727.X
申请日：2024-07-03
IPC: G06F18/2415 , G06F18/2431 , G06F18/23213 , G06F18/214 , G06F18/25 , G06N3/0442 , G06N3/0455 , G06N3/047
Abstract: 本发明公开一种基于双向GRU的自适应聚合及预测框架的周期性流量数据处理方法，包括如下操作：根据周期性数据的相关性特征，获得包含不同数据特征模式的数据集，利用有序样本聚类法将数据集划分为不同的时间段，获得分段后的数据集，根据分段数据集的特征，分别赋予不同时间段为高峰区、波动区、低峰区以及平稳区，形成自适应聚合数据集。将自适应聚合数据集代入自适应预测框架，在基于局部预测的数据扩充和基于全局预测的数据拼接后，构造基于双向GRU的神经网络框架，对处理后的数据进行流量预测，实现周期性流量数据的聚合和预测。本发明提高了数据处理效率和预测准确率，有极高的应用价值。
-
公开(公告)号：CN118861853A
公开(公告)日：2024-10-29
申请号：CN202410887727.X
申请日：2024-07-03
IPC: G06F18/2415 , G06F18/2431 , G06F18/23213 , G06F18/214 , G06F18/25 , G06N3/0442 , G06N3/0455 , G06N3/047
Abstract: 本发明公开一种基于双向GRU的自适应聚合及预测框架的周期性流量数据处理方法，包括如下操作：根据周期性数据的相关性特征，获得包含不同数据特征模式的数据集，利用有序样本聚类法将数据集划分为不同的时间段，获得分段后的数据集，根据分段数据集的特征，分别赋予不同时间段为高峰区、波动区、低峰区以及平稳区，形成自适应聚合数据集。将自适应聚合数据集代入自适应预测框架，在基于局部预测的数据扩充和基于全局预测的数据拼接后，构造基于双向GRU的神经网络框架，对处理后的数据进行流量预测，实现周期性流量数据的聚合和预测。本发明提高了数据处理效率和预测准确率，有极高的应用价值。
-
公开(公告)号：CN119106260A
公开(公告)日：2024-12-10
申请号：CN202411236629.6
申请日：2024-09-04
Abstract: 本发明公开了大规模电力系统高维概率保全场景缩减方法及系统，方法包括将描述原始场景集的多维随机变量X的各分量集合按列排序组合，构建分布矩阵V，计算对应的边缘概率分布矩阵P；按列划分分布矩阵V并计算笛卡尔积，获得重组矩阵#imgabs0#以及边缘概率分布矩阵#imgabs1#对重组矩阵#imgabs2#进行降序排列并抽样，获得紧凑场景集#imgabs3#计算紧凑场景集#imgabs4#中每个场景对应概率的数量级，进行场景分类，获得各个数量级的场景集合#imgabs5#以最小化Wasserstein距离为目标构建优化模型，对场景集合#imgabs6#进行自适应选择，对被选择的集合取并集得到最优缩减场景集。本发明能够实现任意维场景的场景缩减并保证缩减场景的代表性和概率空间的完全覆盖，有极高的应用价值。
-
公开(公告)号：CN118014013A
公开(公告)日：2024-05-10
申请号：CN202410046727.7
申请日：2024-01-12
Applicant: 东南大学
IPC: G06N3/0464 , G06N3/047 , G06N3/092 , G06N3/084 , G06N3/006
Abstract: 本发明公开了一种基于先验策略引导下的深度强化学习快速搜索博弈方法及系统，主要面对双智能体博弈环境。根据博弈环境和博弈规则，获取包括估值函数的估值博弈策略Est(s)，将该策略与蒙特卡洛树搜索算法结合，获得启发式蒙特卡洛树搜索算法，并使用该算法进行博弈，获得博弈数据集D；构造神经网络，通过数据集D学习启发式蒙特卡洛树搜索算法，用收敛后的神经网络fη(s)替代启发式蒙特卡洛树搜索中的估值博弈策略Est(s)，获得快速神经网络树搜索算法F(s)，从而实现深度强化学习的快速搜索博弈。本发明创造了启发式蒙特卡洛树搜索算法，缩短了决策时间，超越了基准模型的博弈水平，有极高的应用价值。
-
-
-
Search Results
4
records
(took 0.024 seconds)
