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！

龙图腾网获悉徐州驷马科技有限公司申请的专利基于深度神经网络的架空客运索道吊厢动态负载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：CN121009525B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511541112.2，技术领域涉及：G06F18/27；该发明授权基于深度神经网络的架空客运索道吊厢动态负载预测方法是由赵威;姜远超;卓厚宾设计研发完成，并于2025-10-27向国家知识产权局提交的专利申请。

本基于深度神经网络的架空客运索道吊厢动态负载预测方法在说明书摘要公布了：本发明公开了基于深度神经网络的架空客运索道吊厢动态负载预测方法，包括如下步骤：步骤一：采集并预处理架空客运索道中多个吊厢的运行数据；步骤二：将运行数据输入至TimesNet网络；步骤三：计算初始负载预测值序列的相邻时间点之间的数值差值，标记局部锚点，并构建跨吊厢锚点图；步骤四：基于二维吊厢位置索引矩阵计算锚点对的扰动强度，生成扰动嵌入张量；步骤五：将嵌入表示张量与扰动嵌入张量进行Kronecker乘积操作，并输入至预测头结构中；步骤六：计算负载预测值序列与真实负载序列之间的数值误差和趋势误差，并更新偏置值。本发明本发明通过TimesNet网络和扰动重构，提升吊厢负载预测精度与鲁棒性。

本发明授权基于深度神经网络的架空客运索道吊厢动态负载预测方法在权利要求书中公布了：1.基于深度神经网络的架空客运索道吊厢动态负载预测方法，其特征在于，包括如下步骤： 步骤一：采集并预处理架空客运索道中多个吊厢的运行数据； 步骤二：将每个吊厢的运行数据输入至TimesNet网络，得到每个吊厢的初始负载预测值序列； 步骤三：计算每个吊厢的初始负载预测值序列的相邻时间点之间的数值差值，标记局部锚点，并构建跨吊厢锚点图，具体为： 计算每个吊厢的初始负载预测值序列的相邻时间点之间的数值差值，形成对应吊厢的变化率序列； 计算变化率序列的全局均值和标准差，并设定一个预设的阈值系数； 将变化率序列中所有大于全局均值加上阈值系数倍标准差的时间点，标记为局部锚点，形成对应吊厢的锚点时间集合； 将所有吊厢的锚点时间集合进行合并，构成总锚点集合； 根据总锚点集合，构建跨吊厢锚点图，所述构建步骤为： 将每一个局部锚点表示为跨吊厢锚点图中的锚点节点； 对跨吊厢锚点图中任意两个锚点节点，若所对应的时间点之间的时间差小于预设的时间窗口长度，则在两个锚点节点之间建立一条无向边； 将两个锚点之间的时间差值的倒数表示为对应无向边的边权，所述边权用于表示对应锚点之间的时间接近程度； 步骤四：根据吊厢相对地理位置索引构建二维吊厢位置索引矩阵，并计算跨吊厢锚点图中锚点对的扰动强度构建锚点扰动矩阵，生成扰动嵌入张量，具体为： 根据吊厢相对地理位置索引构建二维吊厢位置索引矩阵，所述位置索引矩阵表示吊厢在空间布置中的相对坐标关系； 对于跨吊厢锚点图中任意一对存在边连接的锚点对，提取对应的时间差与吊厢索引差，所述吊厢索引差为二维吊厢位置索引矩阵中对应的相对坐标之间的空间距离； 对所有锚点对，分别计算对应的时间差与吊厢索引差的乘积积作为对应锚点对的扰动强度； 以锚点节点在总锚点集合中的索引为行列坐标，建立锚点扰动矩阵，所述锚点扰动矩阵中每个元素为对应锚点对的扰动强度，未连接的锚点对对应元素置零； 将锚点扰动矩阵与吊厢锚点对应的初始负载预测值相乘，并进行维度重构，生成扰动嵌入张量，所述扰动嵌入张量用于表示吊厢间的跨时间扰动关联关系； 步骤五：将吊厢的每个嵌入表示张量分别与扰动嵌入张量进行Kronecker乘积操作，生成扰动重构特征表示张量序列，并输入至预测头结构中，得到扰动重构后的负载预测值序列； 步骤六：计算负载预测值序列与真实负载序列之间的数值误差，通过Soft-DTW对齐得到趋势误差，并根据数值误差和趋势误差更新偏置值。

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徐州驷马科技有限公司，其通讯地址为：221300 江苏省徐州市邳州市碾庄镇五金机械产业园开明路3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。