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申请的专利基于边界特征保护与HOA-LightGBM模型的建筑冷负荷周期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：CN120781493B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202510902581.6，技术领域涉及：G06F30/18；该发明授权基于边界特征保护与HOA-LightGBM模型的建筑冷负荷周期预测方法是由姬颖;魏浩森;连会会;王心悦;陆倩文;田蔚;谢静超设计研发完成，并于2025-07-01向国家知识产权局提交的专利申请。

本基于边界特征保护与HOA-LightGBM模型的建筑冷负荷周期预测方法在说明书摘要公布了：本发明公开了基于边界特征保护与HOA‑LightGBM模型的建筑冷负荷周期预测方法，属于建筑智能化领域，包括以下步骤：S1、数据采集、清洗；S2、GCMWSG滤波进行平滑处理；S3、选取评价指标；S4、构建HOA‑LightGBM混合模型与综合评价。本发明采用上述的基于边界特征保护与HOA‑LightGBM模型的建筑冷负荷周期预测方法，通过引入周期性边界保护机制，有效解决了传统MWSG滤波在处理周期性空调负荷数据时出现的边界失真问题。实验结果表明，GCMWSG处理后的数据在保留启停时刻负荷特征的同时，显著提高了预测模型的性能；且本发明提出的HOA‑LightGBM混合模型通过元启发式算法与梯度提升框架的深度融合，解决了浅层模型参数调优效率低、预测精度不足的问题，为建筑冷负荷实时预测提供了高效可靠的技术方案。

本发明授权基于边界特征保护与HOA-LightGBM模型的建筑冷负荷周期预测方法在权利要求书中公布了：1.基于边界特征保护与HOA-LightGBM模型的建筑冷负荷周期预测方法，其特征在于：包括以下步骤： S1、数据采集、清洗； 数据采集具体包括历史的建筑冷负荷数据通过建筑能源管理系统BEMS或自建传感器网络获取，历史气象数据包括干球温度、湿球温度、相对湿度、露点温度，从国家气象数据中心或自建气象站获取；实时运行参数包括人员占有率、照明占有率、设备运行状态，通过建筑自动化系统动态采集； S2、利用GCMWSG滤波进行平滑处理；具体步骤如下： S2.1、分组约束：将冷负荷数据按自然周期划分为独立的数据组，每组包含一个完整周期的数据，避免跨周期数据干扰； S2.2、多窗口Savitzky-Golay滤波：对每组数据应用多个不同窗口长度的SG滤波，通过加权平均融合结果，平衡噪声抑制与特征保留； S2.3、零值保护机制：识别并保留非工作时段的零负荷数据，防止平滑算法引入非物理性波动； S3、选取评价指标；构建多维度评估指标体系，从决定性系数、均方根误差、平均绝对误差、实际误差四个层面进行量化分析； S4、构建HOA-LightGBM混合模型与综合评价； S4中构建HOA-LightGBM混合模型步骤如下： S4.1、根据以往研究选择RF、LightGBM、LSTM、BP、ANN五种模型，在S2的数据集上进行了训练和预测； S4.2、挑选出性能排名前二的模型，即LightGBM、RF，采用HOA、BWO、AO和TPE四种优化算法对LightGBM与RF超参数进行全局寻优。

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，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。