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！

龙图腾网获悉朋熙半导体科技(北京)有限公司申请的专利基于多种时序模型融合的半导体工厂能源数据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：CN120952267B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511467897.3，技术领域涉及：G06Q10/04；该发明授权基于多种时序模型融合的半导体工厂能源数据预测方法是由张强;赵俊丽设计研发完成，并于2025-10-15向国家知识产权局提交的专利申请。

本基于多种时序模型融合的半导体工厂能源数据预测方法在说明书摘要公布了：本发明公开了一种基于多种时序模型融合的半导体工厂能源数据预测方法，方法包括对能源数据进行数据清洗及特征定义；基于处理后的能源数据的数据特性进行模型选择并训练多个单一模型；基于场景判别指标选择合适的单一模型，其中场景判别指标包括波动幅度和季节周期；波动幅度通过数据标准差或移动窗口内的极差计算得到，季节周期通过自相关函数检测周期强度获得；对所选模型的预测结果进行模型融合；评估融合模型并基于评估结果进行能源预测。本发明能够自适应地选择最优模型，保证能源预测精度和稳定性。

本发明授权基于多种时序模型融合的半导体工厂能源数据预测方法在权利要求书中公布了：1.一种基于多种时序模型融合的半导体工厂能源数据预测方法，其特征在于，包括以下步骤： S1：对能源数据进行数据清洗及特征定义，其中数据清洗包括剔除异常值和填补缺失值，特征定义包括构建时序特征、外部特征和衍生特征；所述衍生特征包括时域特征和频域特征构造，其中时域特征通过滚动均值或滚动方差计算得到，频域特征通过傅里叶变换或小波变换提取周期性分量，以增强模型对周期性的捕捉；所述外部特征包括生产计划量、设备运行状态和环境参数，环境参数包括温度和湿度；异常值剔除使用Z-score方法:计算数据点的Z-score,如果Z-score绝对值超过3，则视为异常值并移除；填补缺失值采用线性插值法:对于缺失的时间点，用相邻数据点的线性趋势填充； S2：基于步骤S1处理后的能源数据的数据特性进行模型选择并训练多个单一模型，所述单一模型为统计模型、深度学习模型或混合模型，训练采用时间序列交叉验证；所述统计模型包括ARIMA或SARIMA，深度学习模型包括LSTM、Seq2Seq或Transformer，混合模型包括ARIMA-LSTM组合； S3：基于场景判别指标选择合适的单一模型，其中场景判别指标包括波动幅度和季节周期；波动幅度通过数据标准差或移动窗口内的极差计算得到，季节周期通过自相关函数检测周期强度获得；所述场景判别指标包括波动幅度阈值，当波动幅度超过预设阈值时，优先选择深度学习模型；当季节周期特征明显时，优先选择统计模型；选择模型通过规则引擎或分类器实现，其中规则引擎基于决策树或逻辑回归构建，用于映射场景指标到模型选择； S4：对所选模型的预测结果进行模型融合；模型融合操作时采用加权平均方式融合，所述加权平均方式融合的权重通过回归学习优化得到，包括使用Ridge回归拟合各模型预测值与真实值的关系，求解最优权重；其中，Ridge回归的优化公式为： ； 其中，表示权重向量，元素对应第j个模型的权重；表示真实值；表示加权平均预测值，计算公式为，其中表示第j个模型对样本i的预测值；n表示样本数量；m表示模型数量；λ表示正则化参数，用于控制权重复杂度；所述求解通过交叉验证确定最优λ和； S5：评估融合模型并基于评估结果进行能源预测。

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朋熙半导体科技(北京)有限公司，其通讯地址为：100176 北京市通州区北京经济技术开发区荣华南路2号院6号楼10层1005A室；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。