基于深度学习的特征交叉电梯困人时间序列预测模型构建方法、...
公开
摘要
本发明涉及基于深度学习的特征交叉电梯困人时间序列预测模型构建方法、所得模型及预测方法。该构建方法包括将历史信息数据组成时间序列，将输入信息传入单层全连接层转换为初级抽象特征，特征交互，传入LSTM神经网络并获得综合时序抽象特征，传入全连接层并转换为预测困人概率，以交叉熵损失函数计算预测损失，并通过反向传播更新LSTM神经网络参数以训练模型。该预测方法包括采用构建方法获得多个预测模型，利用侧重点略有差别的多个预测模型进行综合处理并得到综合困人概率作为预测结果。本发明能在缺少电梯组件实时运行数据的前提下，仅使用电梯的历史记录数据，抽取电梯的时序特征，预测电梯在下一个时间点的困人概率。
基本信息
专利标题 ：
基于深度学习的特征交叉电梯困人时间序列预测模型构建方法、所得模型及预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114626467A
申请号 ：
CN202210267763.7
公开（公告）日 ：
2022-06-14
申请日 ：
2022-03-17
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
陈武许卫全
申请人 ：
湖南优湖科技有限公司
申请人地址 ：
湖南省长沙市长沙县高新开发区岳麓西大道588号芯城科技园2栋8楼8214房
代理机构 ：
南京艾普利德知识产权代理事务所(特殊普通合伙)
代理人 ：
周海斌
优先权 ：
CN202210267763.7
主分类号 ：
G06K9/62
IPC分类号 ：
G06K9/62 G06N3/04 G06N3/08 B66B5/00
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
G06K9/62
应用电子设备进行识别的方法或装置
法律状态
2022-06-14 ：
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
