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！

龙图腾网获悉天津大学申请的专利一种用于建筑负荷预测的数据完备性检验与特征学习方法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：CN114282730B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202111624557.9，技术领域涉及：G06Q10/04；该发明授权一种用于建筑负荷预测的数据完备性检验与特征学习方法是由丁研;黄宸;李沛霖设计研发完成，并于2021-12-29向国家知识产权局提交的专利申请。

本一种用于建筑负荷预测的数据完备性检验与特征学习方法在说明书摘要公布了：本发明公开了一种用于建筑负荷预测的数据完备性检验与特征迁移学习方法，包括以下步骤：提出基于扩散核密度估计与最大相关最小冗余的特征筛选方法，确定不同负荷预测模型下的最佳特征集，通过新特征集与最佳特征集特征间相关性和特征分布相似性的判定，建立数据集特征完备性检验的方法；建立特征迁移的负荷预测模型。本发明可以解决由于数据特征不完备所造成的建筑负荷预测精度下降的问题，在模型的输入产生微小的变化时仍然能够保持预测结果的稳定，同时降低了建筑负荷预测模型的计算复杂度。本发明表现出的效果为大幅提升建筑负荷预测精度，增强负荷预测模型的鲁棒性，减少计算时长。

本发明授权一种用于建筑负荷预测的数据完备性检验与特征学习方法在权利要求书中公布了：1.一种用于建筑负荷预测的数据完备性检验与特征迁移学习方法，其方法在于，包括以下步骤： 步骤1：采用一种基于扩散核密度估计DKDE的计算方法，自动生成合适的带宽，计算离散负荷与特征变量间的互信息值；引入最大相关最小冗余mRMR算法将多变量间互信息的计算方法转化为最佳特征集的构建方法； 式中，Sn为n个特征组成的特征集，ISn；Y表示建筑冷负荷Y和特征集Sn的互信息值；表示特征集中各特征变量之间的信息冗余度；S\Sh-1表示全体特征集S与已选特征集Sh-1的差集；增量搜索过程在式取值非正时停止，这表明新增特征只能提高特征集的冗余度，而无法提供与负荷相关的新的信息，从而获得与负荷相关性较强的特征变量，进而获得最佳特征集； 步骤2：在基于步骤1所获得的最佳特征集的前提下，针对新获得的数据集，在进行数据预处理后，首先需要参考最佳特征集对数据集的特征完备性进行评估和判定，来确定使用该数据集是否能够达到相应的预测精度；以新数据集中的特征为基础，将最佳特征集中包含的特征与新数据集中的各个特征分别做相关性和分布相似性的计算，达到阈值即表明新数据集中包含与最佳特征集中对应的特征，观察最佳特征集中的各个特征是否与新数据集中的特征均有对应，若均有对应，则表明新数据集的特征是完备的，否则为不完备的； 步骤3：基于步骤2的完备性判定，如果判定结果为数据集完备，则该数据集可以通过特征工程作为模型的输入来训练预测模型；如果判定结果为数据集不完备，则需要从其它完备的数据集中进行特征迁移，补全缺失的特征；采用迁移成分分析法TCA为依据从构建的源域特征集中选取需要迁移的特征，与目标域特征共同构建出新的数据集，随后输入到LSTM模型的输入层训练模型，比较迁移后模型在预测精度、鲁棒性和CPU占用率上产生的效果。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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”。

以上内容由龙图腾AI智能生成。