龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：国网吉林省电力有限公司;国网吉林省电力有限公司信息通信公司;长春理工大学高技术产业有限责任公司
摘要：基于混合时空深度学习模型的电力光通信链路流量预测方法，涉及电力光通信网络技术领域，解决现有电力通信网预测方法难以适应网络结构动态的拓扑结构关系问题，本发明基于一种深度卷积神经网络和门控循环单元的动态DCNN‑GRU预测模型，该模型不仅捕捉时间序列信息，还综合分析网络拓扑结构，全面描绘了网络的时空特征。并将提出的DCNN‑GRU模型与独立的长短期记忆模型进行集成，结合前者的动态捕捉能力和后者的长期依赖处理能力对流量进行预测，提高了预测的准确性和鲁棒性。实验结果表明，相较于其他预测模型，本发明的模型在流量预测方面降低了误差，展现了更高的预测准确性。
主权项：1.基于混合时空深度学习模型的电力光通信链路流量预测方法，其特征是：该方法由以下步骤实现：步骤一、获取预测模型的输入流量数据集；步骤二、采用步骤一获得的流量数据集构建邻接矩阵和时间特征矩阵，根据所述邻接矩阵和时间特征矩阵构建时空图；步骤三、构建DCNN-GRU预测模型，将所述时空图即时空特征矩阵作为DCNN-GRU预测模型的输入，经过DCNN-GRU预测获得空间特征和时间特征，即，预测输出流量数据矩阵；步骤四、划分流量数据集进行DCNN-GRU预测模型和LSTM模型集成的训练优化；步骤五、使用加权平均法对DCNN-GRU预测模型和LSTM模型进行集成，输出下一个时间段内的流量数据矩阵，完成电力光通信链路流量预测。
全文数据：
权利要求：
百度查询： 国网吉林省电力有限公司 国网吉林省电力有限公司信息通信公司 长春理工大学高技术产业有限责任公司 基于混合时空深度学习模型的电力光通信链路流量预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号