龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：三峡大学
申请日：2024-03-21
公开（公告）日：2024-06-21
公开（公告）号：CN118229455A
主分类号：G06Q50/06
分类号：G06Q50/06;G06Q10/04;G06N3/045;G06N3/0442;G06N3/0464;G06N3/006
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：一种基于VMD分解的CNN‑BiGRU‑MHA高海拔多因素输电线路无线电干扰预测方法，包括以下步骤：步骤一、在高海拔位置搭建观测站，采集边相导线投影外20m处无线电干扰数据，同时利用气象站和天气现象仪对环境因素数据进行采集；步骤二、针对无线电干扰受多环境因素影响，采用皮尔逊相关性系数对原始无线电干扰及其环境因素数据进行筛选，选择与无线电干扰相关度较高的环境因素数据作为预测模型的输入；步骤三、采用变分模态分解对数据进行分解，得到相对平稳的子序列，将卷积神经网络和双向门控循环单元相结合，充分提取无线电干扰数据本身的时空特征；步骤四、引入多头注意力机制自动为双向门控循环单元隐藏层状态分配相应的权重，以区分不同时间无线电干扰序列的重要性；步骤五、利用鲸鱼优化算法来对双向门控循环单元模型的两个超参数进行寻优，得到最优参数组合；步骤六、将各子模态预测结果叠加得到最终无线电干扰预测结果。本发明能够较为准确的预测出输电线路无线电干扰，为实际工程中的无线电干扰预测方法研究提供了思路。
主权项：1.一种基于VMD分解的CNN-BiGRU-MHA高海拔多因素输电线路无线电干扰预测方法，其特征在于，包括以下步骤：步骤一、在高海拔位置搭建观测站，采集边相导线投影外20m处无线电干扰数据，同时利用气象站和天气现象仪对环境因素数据进行采集；步骤二、针对无线电干扰受多环境因素影响，采用皮尔逊相关性系数对原始无线电干扰及其环境因素数据进行筛选，选择与无线电干扰相关度较高的环境因素数据作为预测模型的输入；步骤三、采用变分模态分解对数据进行分解，得到相对平稳的子序列，将卷积神经网络和双向门控循环单元相结合，充分提取无线电干扰数据本身的时空特征；步骤四、引入多头注意力机制自动为双向门控循环单元隐藏层状态分配相应的权重，以区分不同时间无线电干扰序列的重要性；步骤五、利用鲸鱼优化算法来对双向门控循环单元模型的两个超参数进行寻优，得到最优参数组合；步骤六、将各子模态预测结果叠加得到最终无线电干扰预测结果。
全文数据：
权利要求：
百度查询： 三峡大学 一种基于VMD分解的CNN-BiGRU-MHA高海拔多因素输电线路无线电干扰预测方法
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