Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜山东建筑大学;中建八局第二建设有限公司;山东大学田晨璐获国家专利权

恭喜山东建筑大学;中建八局第二建设有限公司;山东大学田晨璐获国家专利权

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!

龙图腾网恭喜山东建筑大学;中建八局第二建设有限公司;山东大学申请的专利一种基于知识迁移的建筑工地空气质量预测方法及系统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:CN115018004B

龙图腾网通过国家知识产权局官网在2025-04-29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:202210748666.X,技术领域涉及:G06F18/214;该发明授权一种基于知识迁移的建筑工地空气质量预测方法及系统是由田晨璐;刘业春;李成栋;王鹏飞;侯和涛;彭伟;刘洪彬;邓晓平设计研发完成,并于2022-06-29向国家知识产权局提交的专利申请。

一种基于知识迁移的建筑工地空气质量预测方法及系统在说明书摘要公布了:本发明公开一种基于知识迁移的建筑工地空气质量预测方法及系统,包括:获取源域建筑工地空气数据和目标域建筑工地空气数据;将源域建筑工地空气数据和目标域建筑工地空气数据分别按季节进行聚类,将得到的源域季节类数据与目标域季节类数据按季节进行相似度筛选,得到最佳源域;根据最佳源域对源域预测模型进行训练,得到目标域预测模型,对目标域季节类数据采用目标域预测模型得到空气质量预测结果。将多个源域建筑工地的知识迁移运用到目标建筑工地预测任务中,充分利用现有的建筑工地的空气质量预测模型,提升新建建筑空气质量的预测精度,解决建筑工地运行初期数据量不足导致的建筑空气质量预测精度低的问题。

本发明授权一种基于知识迁移的建筑工地空气质量预测方法及系统在权利要求书中公布了:1.一种基于知识迁移的建筑工地空气质量预测方法,其特征在于,包括:获取源域建筑工地空气数据和目标域建筑工地空气数据;将源域建筑工地空气数据和目标域建筑工地空气数据分别按季节进行聚类,得到源域季节类数据与目标域季节类数据;将若干个源域建筑工地空气数据和目标域建筑工地空气数据分别按季节进行划分,得到各自的春季数据、秋季数据、夏季数据、冬季数据,然后将源域1的春、夏、秋、冬数据分别按季节进行聚类,源域2的春、夏、秋、冬数据分别按季节进行聚类,直至源域n的春、夏、秋、冬数据分别按季节进行聚类,目标域的春、夏、秋、冬数据分别按季节进行聚类;对聚类后的源域季节类数据与目标域季节类数据在类内进行二次聚类,得到每个季节类数据下的多个子类数据;采用K均值聚类方法进行聚类;将源域季节类数据与目标域季节类数据按季节进行相似度筛选,得到最佳源域;相似度筛选过程包括,通过设置DTW阈值、JS散度阈值和相似度阈值进行数据筛选和数据剪切;根据DTW阈值和JS散度阈值,筛选出同时满足DTW阈值与JS散度阈值的源域季节类数据;根据相似度阈值对筛选出的源域季节类数据进行数据剪切,将满足相似度阈值的源域季节类数据作为最佳源域;根据最佳源域对源域预测模型进行训练,得到目标域预测模型,对目标域季节类数据采用目标域预测模型得到空气质量预测结果;对最佳源域中各季节类数据采用LSTM的源域预测模型依次进行训练,且每次训练后均更新全连接层,以更新后的新源域预测模型进行下一季节类数据的训练,直至完成所有季节类数据的训练,完成模型的递归学习,得到目标域预测模型,对目标域季节类数据采用目标域预测模型得到预测结果。

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山东建筑大学;中建八局第二建设有限公司;山东大学,其通讯地址为:250101 山东省济南市历城区临港开发区凤鸣路1000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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。