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！

龙图腾网获悉南昌大学申请的专利一种基于变分解深度投影编码回声状态网络的多步风速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：CN119358725B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202411318863.3，技术领域涉及：G06Q10/04；该发明授权一种基于变分解深度投影编码回声状态网络的多步风速预测方法是由黎倩;胡兆浪;张宇;郭志军;李涛设计研发完成，并于2024-09-21向国家知识产权局提交的专利申请。

本一种基于变分解深度投影编码回声状态网络的多步风速预测方法在说明书摘要公布了：本发明提供了一种基于变分解深度投影编码回声状态网络的多步风速预测方法，步骤1，获取数据集，并对数据进行预处理；采用变分模态分解VMD将风速原始序列分解为若干个具有不同特征的子序列；步骤2，建立DEESN模型；DEESN模型由多个回声状态网络ESN模块和极限学习机ELM编码器组成，每个ESN模块负责不同步的提前预报，并且两个子储层之间的ELM编码器用于降低维度并优化储层状态；对于Q步超前风速预测，DEESN模型将第Q个ESN模块和第Q‑1个ELM模块相结合，并通过试错法确定DEESN模型的参数；步骤3，使用DEESN模型进行多步风速预测，得到预测结果。本发明建立VMD‑DEESN模型，提高了映射能力和学习未来时间步长之间的时间依赖性，进而提高了建模精度和效率。

本发明授权一种基于变分解深度投影编码回声状态网络的多步风速预测方法在权利要求书中公布了：1.一种基于变分解深度投影编码回声状态网络的多步风速预测方法，其特征在于，包括以下步骤： 步骤1，获取数据集，并对数据进行预处理；收集两个不同时间尺度上的数据集，分别为每10分钟和每小时的风速记录，并按照4：1比例分割成训练集和测试集；然后，对数据进行预处理，采用变分模态分解VMD将风速原始序列分解为若干个具有不同特征的子序列； 步骤2，建立DEESN模型；DEESN模型由多个回声状态网络ESN模块和极限学习机ELM编码器组成，每个ESN模块负责不同步的提前预报，并且两个子储层之间的ELM编码器用于降低维度并优化储层状态；对于步超前风速预测，DEESN模型将第个ESN模块和第个ELM模块相结合，并通过试错法确定DEESN模型的参数；包括：DEESN由多个ESN模块和ELM编码器组成，每个ESN模块负责不同步的提前预报，并且两个子储层之间的ELM编码器用于降低维度并优化储层状态；从第二个模块开始，总输入不仅包括输入变量，还包括前一个模块的预测输出和编码状态信息；对于步超前风速预测，DEESN将第个ESN模块和第个ELM模块相结合；第一个ESN模块在时间步t处的储层状态通过以下公式计算： ； 表示t时刻的输入信号，是在[0，1]范围内的漏积分率，和分别表示输入到储层和储层到储层的连接权重； 将上述储层状态与输入信号级联，形成如下新的状态信息； ； 输出权重表示如下： ； 其中，是第一步超前预测的真实风速值，表示正则化参数，表示如下的储备池状态； ； ； 其中表示在时间的第个储层第个节点的状态信号； 最后，计算t时刻第一步超前预测值，如下所示： ； 对于第二个模块，总输入不仅包括输入变量，而且还包括前一个模块的预测输出和编码状态信息；第一个储层的状态信息由ELM根据下式编码： ； 其中，表示第一个ELM编码器在时刻的编码信息，是第一个储备池随机均匀生成的权重，表示补偿编码信号的偏置，表示ELM编码器的激活函数； 然后，第二个储层的总输入信号为： ； 随后，根据下式更新第二个储层状态： ； 其中，和分别表示第二个储备池输入到储层和储层到储层的权重； 然后，收集储层状态，并与输入信号级联，如下所示： ； 通过迭代步骤，每个储层状态被计算为： ； 表示时刻第个储层状态，其中,和分别表示第个储备池输入到储层和储层到储层的权重；是第个储层的输入： ； 其中，表示时刻由第个ELM编码器编码的状态信号；时刻第步超前预测结果；通过ELM编码的状态信息如下： 其中，分别是第个ELM编码器的权重和正则化值，表示需要通过第个岭回归训练的最终特征； 在每个储层状态更新稳定后，进而可以计算每个ESN模块的输出权重，如下所示： ； 其中表示第个ESN模块的输出权重，表示正则化参数，表示第步的目标值，是通过第个ESN模块的最终特征矩阵，表示如下： ； ； 其中； 最终，每个步骤的预测输出通过以下公式获得： ； 其中，表示时刻第步超前预测结果； 步骤3，使用DEESN模型进行多步风速预测，得到预测结果。

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南昌大学，其通讯地址为：330000 江西省南昌市红谷滩新区学府大道999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。