公开(公告)号：CN115994629B

公开(公告)日：2023-06-20

申请号：CN202310287141.5

申请日：2023-03-23

Applicant: 南京信息工程大学

Inventor： 秦华旺 ,  时亚楠

IPC: G06Q10/04 ,  G06N3/006 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明公开了一种基于GN‑RBF的空气湿度预测方法及系统，包括步骤：数据的预处理，采用异常数据剔除方法剔除异常数据点，填补时间序列空缺值，得到完整时间序列的数据；对空气湿度数据进行时空匹配同时对数据进行归一化处理；以蚁群算法优化Gauss‑Newton算法进而优化RBF神经网络建立GN‑RBF神经网络时间序列回归预测模型，GN‑RBF组合模型中进行RBF神经网络权值寻优，以处理过后的空气湿度数据作为输入；根据所述样本集训练网络模型，将待预测数据输入到训练后的神经网络模型中，得到预测的空气湿度数据。本发明提供了一种高效、准确性优越的空气湿度预测方法，可以大大提高空气湿度预测的质量。

公开(公告)号：CN115994629A

公开(公告)日：2023-04-21

申请号：CN202310287141.5

申请日：2023-03-23

Applicant: 南京信息工程大学

Inventor： 秦华旺 ,  时亚楠

IPC: G06Q10/04 ,  G06N3/006 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明公开了一种基于GN‑RBF的空气湿度预测方法及系统，包括步骤：数据的预处理，采用异常数据剔除方法剔除异常数据点，填补时间序列空缺值，得到完整时间序列的数据；对空气湿度数据进行时空匹配同时对数据进行归一化处理；以蚁群算法优化Gauss‑Newton算法进而优化RBF神经网络建立GN‑RBF神经网络时间序列回归预测模型，GN‑RBF组合模型中进行RBF神经网络权值寻优，以处理过后的空气湿度数据作为输入；根据所述样本集训练网络模型，将待预测数据输入到训练后的神经网络模型中，得到预测的空气湿度数据。本发明提供了一种高效、准确性优越的空气湿度预测方法，可以大大提高空气湿度预测的质量。