申请/专利权人：合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)

申请日：2021-10-29

公开（公告）日：2024-06-28

公开（公告）号：CN113919234B

主分类号：G06F30/27

分类号：G06F30/27;G06N3/0464;G06N3/08;G06F113/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.01.28#实质审查的生效;2022.01.11#公开

摘要：本发明的一种基于时序特征迁移的移动源排放预测方法、系统及设备，包括通过事先设置的时序预测模型对采集到的数据进行处理预测，时序预测模型的训练步骤如下：采集机动车尾气车载诊断系统数据，并对所采集数据进行预处理；将预处理后的数据进行归一化处理并将其分为训练集和测试集；将训练数据集划分为k段分布最不相似的序列；以预处理后的所有数据预训练一个GRU的时序预测模型；在时序预测模型中加入最大均值差异距离，与均方误差一起作为损失函数，训练迭代达到预设的精度或最大epoch停止；将测试集投入训练好的时序模型上进行预测。本发明在移动源污染预测方面构建精度高和稳定性好的时序模型，为移动源污染防治提供了一定的科学基础。

主权项：1.一种基于时序特征迁移的移动源排放预测方法，其特征在于，通过计算机设备执行以下步骤，对采集到的机动车尾气车载诊断系统数据，通过事先训练好的时序预测模型进行处理预测，并输出预测结果；其中，时序预测模型的训练步骤如下：S1：采集机动车尾气车载诊断系统数据，并对所采集数据进行预处理；S2：将预处理后的数据进行归一化处理并将其分为训练集和测试集；S3：将训练数据集划分为k段分布最不相似的序列；S31：将采集的OBD时序训练数据集划分为10等份，且每一等份为最小不可分割单元；S32：确定k值，k∈{2,3,5,7,10}，当k＝2时，以str和end表示整个时间序列的起点和终点，从9个候选点中选择分割点point_2，使得下式最大disstr→point_w,point_2→end其中dis表示两个时间序列之间的分布差异，选用KL散度或MMD距离或余弦距离方式进行度量，选择使用MMD距离时，MMD公式表示为 其中k是映射，用于把原始数据映射到再生核希尔伯特空间中，X,Y表示两种分布的样本，F为映射函数集；S33：基于k＝2，依照S32的步骤选择分割点，找到k＝3时的分割点，并依此方法操作下去，找到其他不同时间序列划分下的分割点，具体的k值确定需要依据数据最终预测效果确定；S4：以预处理后的所有数据预训练一个GRU的时序预测模型；S41：网络结构特征层采用2层GRU，损失函数采用MSE，根据k值的确定，损失函数具体公式如下： 其中|Dj|代表第j段序列所包含样本个数，第j个序列中i样本的真实值，为第j个序列中i样本的预测值；S42：模型搭建好后，将训练集输入网络开始训练，预训练epoch最大值设置为40，当验证集loss的值不再下降且epoch大于40时停止迭代，整个网络使用Adam优化整个模型，训练完成后，保存网络结构的参数；S5：在时序预测模型中加入最大均值差异距离，与均方误差一起作为损失函数，训练迭代达到预设的精度或最大epoch停止；S6：将测试集投入训练好的时序模型上进行预测。

全文数据：

权利要求：

百度查询： 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) 基于时序特征迁移的移动源排放预测方法、系统及设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD