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！

龙图腾网获悉浙江大学申请的专利一种参数自动反馈调节的深度学习需水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：CN116245030B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202310277562.X，技术领域涉及：G06F30/27；该发明授权一种参数自动反馈调节的深度学习需水预测方法是由刘晶;许月萍;周欣磊设计研发完成，并于2023-03-21向国家知识产权局提交的专利申请。

本一种参数自动反馈调节的深度学习需水预测方法在说明书摘要公布了：本发明公开了一种参数自动反馈调节的深度学习需水预测方法，该方法为：首先通过3σ准则和加权平均对历史用水量样本数据中的异常值进行识别和处理，采用STL分解方法对样本序列进行分解，然后提出一种集成的AdaBoost‑LSTM深度学习需水预测模型对各序列进行预测，得到初步预测结果，判断预测精度是否大于阈值，若是则将预测模型中的参数输入优化模型进行优化，将优化后的参数集自动输入AdaBoost‑LSTM预测模型，通过反馈调节进行下一轮预测，直至预测精度满足阈值要求。与传统的预测方法相比，本发明方法解决了需水预测模型中需要人为进行参数调节费时费力的问题，保证需水预测精度控制在要求范围内，预测过程更便捷，精度更高，误差可控，可在实际供水系统中推广应用。

本发明授权一种参数自动反馈调节的深度学习需水预测方法在权利要求书中公布了：1.一种参数自动反馈调节的深度学习需水预测方法，其特征在于，包括以下步骤： 步骤1，采用3σ准则和加权平均法对历史需水序列中的异常值进行识别和处理； 步骤2，采用STL分解方法对样本序列进行分解，得到分解序列； 步骤3，提出AdaBoost-LSTM深度学习需水预测模型对各分解序列进行预测，合并各分解序列的预测结果得到初步预测结果； 步骤4，判断所述Adobos-LSTM深度学习需水预测模型的预测精度是否大于阈值，若是则继续步骤5，若否则直接输出结果； 步骤5，将预测模型中的参数输入优化模型进行优化，得到优化参数集； 步骤6，将优化参数集自动输入所述AdaBoost-LSTM深度学习需水预测模型，重复步骤3-4，直至预测精度满足阈值要求，输出需水预测结果； 步骤3-1，输入分解序列作为训练数据集；所述分解序列具体指分别将经过STL分解后的趋势特征序列、季节特征序列和残差特征序列； 步骤3-2，初始化训练数据集中的样本权重D1＝w11,w12,L,w1N： w1i＝1N,i＝1,2,...,N1 式中，w1i表示第一个训练集中各样本权重，N表示样本个数； 步骤3-3，AdaBoost算法的基学习器的训练过程如下：如果某个训练样本被LSTM神经网络模型预测的误差较小，在构造下一个训练集中，该样本对应的权重要减小；相反，如果某个训练样本被LSTM神经网络模型预测的误差较大，那么它的权重就应该增大；权重更新过的训练数据集被用于训练下一个基学习器，对m＝1,2,...,M迭代计算，获得m个基学习器； 步骤3-4，将各个训练得到的基学习器组合成一个强预测模型；各个基学习器的训练过程结束后，加大预测误差率小的基学习器的权重，使其在最终的模型预测中起着较大的决定作用，而降低预测误差率大的基学习器的权重，使其在最终的分类函数中起着较小的决定作用，综合各基学习器在不同样本的预测优势，分别构建T、S、R个LSTM神经网络模型的线性组合得到针对趋势特征序列、季节特征序列和残差特征序列的3个集成模型： 式中，Gx为某样本最终预测结果，αm为各基学习器的权重，Gmx为各LSTM神经网络模型的预测值。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。