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：北京工业大学
摘要：本发明提供了一种基于贝叶斯优化主‑补模型的CO2排放浓度预测方法，涉及CO2排放浓度检测技术领域，该方法包括：获取CO2排放浓度的原始数据集；基于BO算法选择寻优参数，并对寻优参数进行初始化处理，得到样本空间；构建目标函数，并对原始数据集和样本空间的目标值进行计算，得到目标函数值；对目标函数进行优化，并通过优化后的目标函数，得到最优参数组合；根据最优参数组合得到最终预测模型，并通过最终预测模型对CO2排放浓度进行预测。该方法解决了预测算法单一的问题，实现了耦合超参数的协同寻优，并避免了人工调参的繁琐与不确定性。
主权项：1.一种基于贝叶斯优化主-补模型的CO2排放浓度预测方法，其特征在于，包括如下步骤：获取CO2排放浓度的原始数据集；基于BO算法选择寻优参数，并对所述寻优参数进行初始化处理，得到样本空间；构建目标函数，并对所述原始数据集和所述样本空间的目标值进行计算，得到目标函数值；对所述目标函数进行优化，并通过优化后的目标函数，得到最优参数组合；根据所述最优参数组合得到最终预测模型，并通过所述最终预测模型对CO2排放浓度进行预测；得到目标函数值的具体步骤为：对所述原始数据集和所述样本空间的目标值进行数据处理，根据处理后的数据构建ARIMA主模型，并对所述ARIMA主模型进行检验，并根据检验后的ARIMA主模型进行数据预测，得到主模型预测值；计算所述主模型预测值残差，根据所述主模型预测值残差构建LSTM补偿模型，并通过所述LSTM补偿模型对所述主模型预测值进行超前预测，得到补偿模型预测值；根据所述主模型预测值和所述补偿模型预测值，得到所述目标函数值。
全文数据：
权利要求：
百度查询： 北京工业大学 一种基于贝叶斯优化主-补模型的CO2排放浓度预测方法
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