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！

龙图腾网获悉三峡大学申请的专利基于混合深度学习模型和Bootstrap方法的互感器测量误差区间预测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：CN119903340B 。

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：202411905485.9，技术领域涉及：G06F18/214；该发明授权基于混合深度学习模型和Bootstrap方法的互感器测量误差区间预测方法是由李振华;崔九喜;张乘承;李振兴;黄悦华;徐艳春;张磊;贺晶科设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本基于混合深度学习模型和Bootstrap方法的互感器测量误差区间预测方法在说明书摘要公布了：基于混合深度学习模型和Bootstrap方法的互感器测量误差区间预测方法，包括：采集电压互感器的运行测量误差数据，构建数据集，并进行ICEEMDAN得到的分解信号；利用改进的TCN对中得到的分解信号进行特征提取，并输出提取后的特征信息yTCN；利用BiGRU对中得到的特征信息yTCN进行依赖关系的处理，并输出综合特征yBi；将输出的综合特征yBi输入到多头注意力机制网络，进行特征处理，处理后的数据经过全连接网络，得到最终的输出为yout；根据最终的输出yout计算得到预测误差yFin，基于改进的Bootstrap方法对预测误差yFin进行统计推断，得到给定置信水平下的误差分布区间，生成区间预测结果。该方法能够更精确地提取互感器运行数据中的特征，显著提高了比差预测的准确性。

本发明授权基于混合深度学习模型和Bootstrap方法的互感器测量误差区间预测方法在权利要求书中公布了：1.基于混合深度学习模型和Bootstrap方法的互感器测量误差区间预测方法，其特征在于包括以下步骤： 步骤1：采集电压互感器的运行测量误差数据，构建数据集，并进行自适应噪声完备集合经验模态分解ICEEMDAN得到的分解信号； 步骤2：利用改进的时域卷积网络单元TCN对步骤1中得到的分解信号进行特征提取，并输出提取后的特征信息yTCN； 步骤3：利用双向门控循环单元BiGRU对步骤2中得到的特征信息yTCN进行依赖关系的处理，并输出综合特征yBi； 步骤4：将步骤3中输出的综合特征yBi输入到多头注意力机制网络，进行特征处理，处理后的数据经过全连接网络，得到最终的输出为yout； 步骤5：根据最终的输出yout计算得到预测误差yFin，基于改进的Bootstrap方法对预测误差yFin进行统计推断，得到给定置信水平下的误差分布区间，生成区间预测结果； 步骤5包括如下步骤： 步骤5.1：计算预测残差样本yFin的自相关函数ACF，在滞后kA下的自相关系数； 步骤5.2：确定块长度l； 步骤5.3：将yFin分割为长度为l的块，则分割后的yFin由不同的块组成； 步骤5.4：从所有块中随机有放回抽取，每轮的随机有放回抽取得到新的一个样本集C；重复K轮，得到K个样本集，此时完成时序抽样方法的样本选择； 步骤5.5：对于每个Bootstrap样本Ck，计算统计量：均值和方差； 步骤5.6：根据样本分布特性和标准正态分布的临界值构建预测区间的上限U和下限L； 步骤5.7：多次重复上述步骤，生成大量Bootstrap样本；具体如下： 通过反复从块中随机抽取多个样本，对于每一个样本集通过步骤5.5和步骤5.6计算一个预测区间；对于每个样本集的预测区间L,U，检查真实的总体均值是否落在这个区间内；如果落在区间内，视为模型的预测比较准确；最终，统计在K个样本集的预测区间中，有多少个包含了真实均值； 步骤5.8：计算成功的覆盖次数占总次数的比例，得到覆盖率；验证预测区间与真实值的匹配度，并生成最终的预测区间。

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三峡大学，其通讯地址为：443002 湖北省宜昌市大学路8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。