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：合肥工业大学
摘要：本发明公开了一种基于TCN‑BiLSTM和注意力机制的电池级碳酸锂需求预测方法，涉及需求预测领域，预测方法包括对电池级碳酸锂需求的数值型指标集进行预处理，得到数值型指标集合；对电池级碳酸锂需求的文本型数据集进行预处理，得到词向量集合；构建由TCN模型、BiLSTM模型、注意力机制构成的文本‑数值双通道特征提取模型；基于预测结果计算均方误差并作为目标函数J，对融合深度神经网络进行训练，得到训练后的电池级碳酸锂需求预测模型。本发明通过构建多源多模态数据集，更全面地反映了影响电池级碳酸锂需求的各种因素，能够整合不同类型的数据，如数值型需求指标、文本型新闻政策、投资者评论以及研究报告等，从而提供了更丰富的信息支持。
主权项：1.一种基于TCN-BiLSTM和注意力机制的电池级碳酸锂需求预测方法，其特征在于，所述预测方法包括：S1：对电池级碳酸锂需求的数值型指标集进行预处理，得到数值型指标集合；S2：对电池级碳酸锂需求的文本型数据集进行预处理，得到词向量集合；S3：构建由TCN模型、BiLSTM模型、注意力机制构成的文本-数值双通道特征提取模型；所述S3具体包括：S31：使用BiLSTM模型对数值型指标集合进行特征提取，得到电池级碳酸锂需求的数值特征；其中，表示第个电池级碳酸锂需求数值特征，；表示电池级碳酸锂需求数值特征的总数；S32：使用TCN模型对词向量集合进行特征提取，得到电池级碳酸锂需求的文本特征；其中，表示第个电池级碳酸锂需求文本特征，；表示电池级碳酸锂需求文本特征的总数；S33：使用注意力机制将数值特征、文本特征进行融合并分配权重，以获得最终的文本-数值融合特征；S34：将输入到全连接层中进行需求预测，得到预测的电池级碳酸锂需求；S4：基于预测结果计算均方误差并作为目标函数J，对融合深度神经网络进行训练，得到训练后的电池级碳酸锂需求预测模型。
全文数据：
权利要求：
百度查询： 合肥工业大学 一种基于TCN-BiLSTM和注意力机制的电池级碳酸锂需求预测方法
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