基于多任务深度学习神经网络的太阳风速度预测方法

实质审查的生效

摘要

本发明公开了一种基于多任务深度学习神经网络的太阳风速度预测方法，所用的模型包括一个由一维卷积神经网络CNN和一个长短时记忆神经网络LSTM组成的共享模块，一个主LSTM模块以及一个自回归层AR模块。共享模块用于提取多个任务共用的浅层空间和时间特征，主LSTM模块用于单独提取主任务的特性，自回归模块用于以一种线性的方式对神经网络模型进行适当的修正。采用多任务学习机制来实现多步预测，构建模型。在太阳风速度预测领域，引入多任务学习的机制是一种新的尝试。本发明的优点是，联合多个独立的预测任务来同时并行学习，充分利用数据信息，共享公共信息来帮助改进浅层特征提取，并为主要任务设计独立的结构来提高预测性能。

基本信息

专利标题：

基于多任务深度学习神经网络的太阳风速度预测方法

专利标题（英）：

暂无

公开（公告）号：

CN114492171A

申请号：

CN202111674519.4

公开（公告）日：

2022-05-13

申请日：

2021-12-31

授权号：

暂无

授权日：

暂无

发明人：

谢宗霞毛凯舟孙彦茹

申请人：

天津大学

申请人地址：

天津市南开区卫津路92号

代理机构：

天津市北洋有限责任专利代理事务所

代理人：

李丽萍

优先权：

CN202111674519.4

主分类号：

G06F30/27

IPC分类号：

G06F30/27 G06N3/04 G06N3/08

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

2022-05-31 ：

实质审查的生效

IPC(主分类) : G06F 30/27
申请日 : 20211231

2022-05-13 ：

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