一种基于极限学习机模型的气体浓度的预测方法及装置

授权

摘要

本申请提供了一种基于极限学习机模型的气体浓度的预测方法及装置，本申请提供的方法针对任意一种气体，获取多个历史时刻对应的多个历史浓度；对多个历史浓度分别利用集合经验模态分解方法进行多次分解，得到每个历史浓度对应的多层历史浓度分量；对每个历史浓度对应的任意一层的历史浓度分量进行归一化处理，得到任意一层的归一化后的历史浓度分量；将属于同一层的归一化后的历史浓度分量输入气体浓度预测模型中，得到多个预测浓度分量；气体浓度预测模型基于极限学习机模型建立；根据属于同一预测时刻的预测浓度分量，确定预测时刻对应的预测浓度。本申请提供的方法避免了不同气体之间的相互影响，提高了预测精度。

基本信息

专利标题：

一种基于极限学习机模型的气体浓度的预测方法及装置

专利标题（英）：

暂无

公开（公告）号：

CN112100924A

申请号：

CN202010979433.1

公开（公告）日：

2020-12-18

申请日：

2020-09-17

授权号：

CN112100924B

授权日：

2022-06-07

发明人：

田小航金仕琦王荣泰徐文力陈辛赵燕团张忠才赵引侠程伟伟李碧波顾跃

申请人：

云南电力技术有限责任公司

申请人地址：

云南省昆明市经济技术开发区云大西路105号

代理机构：

北京弘权知识产权代理事务所(普通合伙)

代理人：

逯长明

优先权：

CN202010979433.1

主分类号：

G06F30/27

IPC分类号：

G06F30/27 G06F17/18 G06N20/00 G01N33/28 G06F113/08

IPC结构图谱

G部——物理

G06

计算；推算或计数

G06F

电数字数据处理

G06F30/27

使用机器学习，例如人工智能，神经网络，支持向量机或训练模型

法律状态

2022-06-07 ：

授权

2021-01-05 ：

实质审查的生效

IPC(主分类) : G06F 30/27
申请日 : 20200917

2020-12-18 ：

公开

注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。

文件下载

暂无PDF文件可下载