买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉吉林建筑大学申请的专利一种中长期风速预测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120409303B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510912888.4，技术领域涉及：G06F30/27；该发明授权一种中长期风速预测方法及系统是由丁新宇;周庆才;迟耀丹;林国雄;张尧;王俊喜;贾红丹;赵阳;王超;孙宁;刘英楠;肖旭博;付鑫设计研发完成，并于2025-07-03向国家知识产权局提交的专利申请。

本一种中长期风速预测方法及系统在说明书摘要公布了：本发明适用于风速预测技术领域，提供了一种中长期风速预测方法及系统，包括以下步骤：采集风速数据，构造输入‑输出数据集；采用青蒿素优化算法寻找VMD中最佳本征模态分量数K和惩罚系数α，获取IMF分量；构建LSTM网络模型，将LSTM网络模型的隐藏单元数、最大训练周期和初始学习率作为海市蜃楼优化算法的目标进行寻优，保留LSTM网络模型最优参数，得到FATA‑LSTM网络模型；利用IMF分量对FATA‑LSTM网络模型进行训练、测试和验证，生成风速预测模型；输出预测结果。本发明有效提取多尺度特征并降低噪声干扰，提高泛化能力，在复杂风速环境下的预测准确性更高。

本发明授权一种中长期风速预测方法及系统在权利要求书中公布了：1.一种中长期风速预测方法，其特征在于，包括以下步骤： 采集风速数据，构造输入-输出数据集； 采用青蒿素优化算法寻找VMD中最佳本征模态分量数K和惩罚系数α，获取IMF分量； 构建LSTM网络模型，将LSTM网络模型的隐藏单元数、最大训练周期和初始学习率作为海市蜃楼优化算法的目标进行寻优，保留LSTM网络模型最优参数，得到FATA-LSTM网络模型； 利用IMF分量对FATA-LSTM网络模型进行训练、测试和验证，生成风速预测模型； 输出预测结果； 其中，所述采用青蒿素优化算法寻找VMD中最佳本征模态分量数K和惩罚系数α，获取IMF分量的步骤，具体包括： 定义VMD分解核心参数的联合优化参数集的范围：其中K的范围为2至30，α的范围为500至8000，分别表示分解模态数的预设下限至上限和带宽约束的预设下限至上限； 使用佳点集策略初始化青蒿素种群，每个青蒿素代理代表一组VMD参数组合； 执行综合消除阶段，模拟青蒿素治疗疟疾初期的综合消除作用，通过全局扰动策略搜索VMD参数空间； 执行局部清除阶段，模拟青蒿素在特定感染区域的局部清除作用，通过局部调整策略优化VMD参数； 执行后期巩固阶段，模拟青蒿素在最终阶段的残余清扫与复查作用，通过变异与边界处理机制优化VMD参数； 判断当前评估数量是否超过最大评估数量，若超出，则将当前全局最优位置作为最终输出，得到优化后的VMD参数组合，否则，继续寻优； 所述构建LSTM网络模型，将LSTM网络模型的隐藏单元数、最大训练周期和初始学习率作为海市蜃楼优化算法的目标进行寻优，保留LSTM网络模型最优参数，得到FATA-LSTM网络模型的步骤，具体包括： 将LSTM网络模型的隐藏单元数、最大训练周期和初始学习率作为海市蜃楼优化算法中的光线个体进行种群初始化，具体为： 确定种群大小N=10,最大评估数量MaxFEs=20，在参数范围，、内随机生成初始种群： ； 式中，表示第i个光线个体在第j维的位置；和分别第j维二点上界和下界；r为0,1之间的随机数；i=1，2，....，N； 模拟折射阶段，模拟海市蜃楼的光学折射过程，分为直接折射模式与间接折射模式，通过光线传播优化LSTM超参数； 模拟反射阶段，模拟海市蜃楼的全内反射过程，通过光线反射调整LSTM超参数； 判断当前评估次数FEs是否超过最大评估次数MaxFEs，若超出，将当前全局最优位置确定为LSTM网络模型最佳超参数组合，否则继续优化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人吉林建筑大学，其通讯地址为：130118 吉林省长春市新城大街5088号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。