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！

龙图腾网获悉东北电力大学申请的专利基于在线集成学习的变压器油中气体浓度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：CN116628582B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202310594930.3，技术领域涉及：G06F18/2411；该发明授权基于在线集成学习的变压器油中气体浓度预测方法是由范子宣;贾智显;刘跃;吴达;魏宪德设计研发完成，并于2023-05-24向国家知识产权局提交的专利申请。

本基于在线集成学习的变压器油中气体浓度预测方法在说明书摘要公布了：本发明涉及变压器故障诊断技术领域，尤其为基于在线集成学习的变压器油中气体浓度预测方法，包括如下步骤：S1：通过气体浓度传感器采集变压器油中的气体数据并进行数据处理生成数据训练集；S2：采用非线性卡尔曼滤波算法进行最小二乘支持向量机以及对抗型神经网络两种机器学习算法的参数的寻优；S3：通过寻优获得的新的训练数据进行训练并输出最终预测结果。本发明通过对采集的气体数据基于情景记忆梯度方法进行处理，通过非线性卡尔曼滤波算法将最小二乘支持向量机以及对抗型神经网络两种机器学习算法的参数作为状态变量，输出最优参数，并根据最优权重输出最优预测结果，提高了预测结果的精度，获得比单个学习器更好的学习效果。

本发明授权基于在线集成学习的变压器油中气体浓度预测方法在权利要求书中公布了：1.基于在线集成学习的变压器油中气体浓度预测方法，其特征在于：包括如下步骤： S1：通过气体浓度传感器采集变压器油中的气体数据并进行数据处理生成数据训练集； S2：采用非线性卡尔曼滤波算法进行最小二乘支持向量机以及对抗型神经网络两种机器学习算法的参数的寻优； S3：通过寻优获得的新的训练数据进行训练并输出最终预测结果； 所述S1中，所述数据处理包括通过情景记忆梯度方法进行处理，所述情景记忆梯度方法中，通过存储单元存储采集的气体数据，并定义最小损失函数，当采集到新的气体数据时，更新损失梯度向量，判断损失值是否减小，若未减小，则再次计算损失值直至减小，若损失值减小，则更新存储单元存储的气体数据，存储单元根据更新的气体数据生成数据训练集； 所述S2中，基于获取的两种机器学习算法的最优参数分别计算其预测结果的评价指标值；所述评价指标值包括气体数据的准确率、前向转移值及后向转移值；所述S3中，对两种机器学习算法的评价指标值进行归一化计算，通过层次分析法对评价指标值进行赋权，通过熵权法对预测结果进行最终赋权，基于最终赋权输出本次的预测值。

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东北电力大学，其通讯地址为：132012 吉林省吉林市船营区长春路169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。