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！

龙图腾网恭喜齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心);青岛理工大学申请的专利一种基于深度集成学习模型和高低频分离的时间序列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：CN119513498B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202411673870.5，技术领域涉及：G06F18/10；该发明授权一种基于深度集成学习模型和高低频分离的时间序列数据预测方法是由陈振娅;张亚盟;杨明;焦绪国;吴晓明;王鑫;田艳兵;穆超;贺云鹏;刘臣胜设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本一种基于深度集成学习模型和高低频分离的时间序列数据预测方法在说明书摘要公布了：本发明属于时间序列预测的技术领域，更具体地，涉及一种基于深度集成学习模型和高低频分离的时间序列数据预测方法。所述方法包括：收集系统中的时间序列数据，对得到的数据进行预处理；对原始时间序列数据进行VMD变分模态分解，将时间序列分解成K个有限带宽的模态分量；联合最大信息系数法和重构误差分析法来确定最佳的分解模态数量K；对分解的所有模态使用过零率和中心频率来划分高低频分量；分别针对高频分量和低频分量建立合适的预测模型；将所有模态预测结果进行叠加，得到最终的时间序列预测结果。本发明组合了多种深度学习模型使得预测方法具备更强的灵活性和适应性，能够针对不同特征的分量选择合适的模型进行预测，从而提升整体性能。

本发明授权一种基于深度集成学习模型和高低频分离的时间序列数据预测方法在权利要求书中公布了：1.一种基于深度集成学习模型和高低频分离的时间序列负荷数据预测方法，其特征在于，所述方法包括：S1、收集系统中的时间序列负荷数据，然后对得到的数据进行预处理；S2、对预处理后的原始时间序列负荷数据进行VMD变分模态分解，将时间序列分解成个有限带宽的模态分量；S3、联合最大信息系数法和重构误差分析法来确定最佳的分解模态数量，具体步骤如下：S31、计算原始时间序列负荷信号和重构时间序列负荷信号之间的最大信息系数MIC的值，最大信息系数MIC的计算公式为： （1）式（1）中，为原始时间序列负荷信号；为重构时间序列负荷信号；是在给定网格大小和下，和之间的互信息；和为沿和方向的网格数量；为预设的最大网格数量上限；用于标准化互信息值，使得MIC值介于0和1之间；S32、计算重构时间序列负荷信号和原始时间序列负荷信号之间的均方误差MSE，公式如下： （2）式（2）中，为原始时间序列负荷信号；为重构时间序列负荷信号；为数据点的数量；为第个数据点；为每个数据点处的误差平方；S33、绘制MIC值和MSE值随模态分量数量的变化图，综合考虑MIC和MSE值的变化趋势，选择一个最佳的值；S4、对分解的所有模态使用过零率和中心频率来划分高低频分量；S5、分别针对高频分量和低频分量建立合适的预测模型；S6、将所有模态预测结果经过反归一化后进行叠加，得到最终的时间序列预测结果。

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齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心);青岛理工大学，其通讯地址为：250000 山东省济南市长清区西部新城大学科技园；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”。