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！

龙图腾网获悉北京工业大学;北京市水利工程管理中心申请的专利一种基于多维序列数据相关性分析的泵站后池水位预测方法和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：CN118569480B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202410617369.0，技术领域涉及：G06Q10/063；该发明授权一种基于多维序列数据相关性分析的泵站后池水位预测方法和系统是由于涌川;申徐萌;闫健卓;张峻;吕涛;王鑫鑫;刘凯华设计研发完成，并于2024-05-17向国家知识产权局提交的专利申请。

本一种基于多维序列数据相关性分析的泵站后池水位预测方法和系统在说明书摘要公布了：本发明提出一种基于多维序列数据相关性分析的泵站后池水位预测方法和系统。方法包括：对泵站监测数据进行数据预处理，得到趋势序列、周期序列和残差序列；对趋势序列进行预测，编码器由多层复合卷积层构成，对趋势序列进行特征提取，引入加权机制的并行神经网络，学习特征信息中不同位置之间的关系，对特征信息进行加权处理，解码器由有门控机制的循环神经网络层构成，对加权信息解码，进行预测；基于多层感知器对周期序列进行预测，将趋势序列预测值和周期序列的预测值与残差序列值相加得到最终的水位预测。本申请提出的方法能够关注输入序列中的不同部分，理解数据的变化规律深入挖掘数据之间复杂的相关作用关系，实现了对泵站水位的准确预测。

本发明授权一种基于多维序列数据相关性分析的泵站后池水位预测方法和系统在权利要求书中公布了：1.一种基于多维序列数据相关性分析的泵站后池水位预测方法，其特征在于，所述方法包括： 步骤S1、采集泵站运行监测数据，构建泵站运行监测数据集；基于STL时序分解模型，对所述泵站运行监测数据集进行局部加权多项式回归拟合，得到分解为趋势序列、周期序列和残差序列； 步骤S2、对所述趋势序列通过滑动窗口的方式构建趋势时序样本；使用三层复合卷积层的编码器对所述趋势时序样本进行特征提取，得到编码特征； 步骤S3、使用多个并行的基于特征加权机制的神经网络提取所述编码特征的多个位置加权信息，并对多个位置加权信息进行拼接；将拼接后的加权信息与训练参数矩阵相乘，得到加权特征； 步骤S4、基于具有门控机制的循环神经网络层的解码器对所述加权特征解码，得到趋势序列的预测序列； 步骤S5、应用多层全连接神经网络对所述周期序列进行预测，得到周期序列的预测序列；将所述趋势序列的预测序列、所述周期序列的预测序列和所述残差序列求和，得到泵站后池水位预测序列； 在所述步骤S1中，所述泵站运行监测数据包括： 开机时间、电压、电流、输水泵叶片角度、管道压力、输水泵频率、累计流量、反向累计流量、有功功率、无功功率、机组的振动和摆度、出水口压力、水泵转速、进水池水位、前池水位和后池水位； 在所述步骤S2中，所述使用三层复合卷积层的编码器对所述趋势时序样本进行特征提取，得到编码特征的方法包括： 将所述趋势时序样本输入到两个串联的第一复合卷积层的具有权值归一化的卷积层，得到权值归一化卷积输出； 引入残差结构，使用下1×1的卷积层，调整趋势时序样本的维度，使其维度与权值归一化卷积输出的维度相同；将维度调整后的趋势时序样本与所述权值归一化卷积输出连接后，输入激活函数，得到第一复合卷积输出； 将所述第一复合卷积输出输入到两个串联的第二复合卷积层的具有空洞的卷积层，得到空洞卷积输出； 将所述第一复合卷积输出与所述空洞卷积输出连接后，输入激活函数，得到第二复合卷积输出； 将所述第二复合卷积输出输入第三复合卷积层，得到第三复合卷积输出；所述第三复合卷积层为两个串联的第二复合卷积层的具有空洞的卷积层； 将第二复合卷积输出和第三复合卷积输出连接后，输入激活函数，得到编码特征。

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北京工业大学;北京市水利工程管理中心，其通讯地址为：100124 北京市朝阳区平乐园100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。