公开(公告)号：CN113947240B

公开(公告)日：2024-08-27

申请号：CN202111165076.6

申请日：2021-09-30

Applicant: 西安理工大学

Inventor： 李薇 ,  罗浩男 ,  苑俊清 ,  雷洲 ,  樊瑶驰

IPC: G06Q10/063 ,  G06Q50/06 ,  G06N20/10 ,  G06N3/126

Abstract: 本发明公开了一种基于时间序列的用水量预测方法、系统和设备，包括，获取历史水流量，建立实际数据集；采用预先优化的最小二乘支持向量机对所述实际数据集进行处理，得到预测的水流量时间序列；根据预测的水流量时间序列匹配到设定时间段内，得到对应的预测用水量。能够用来更加准确得预测用水量，使水厂维持蓄水池液位平衡，同时可以有效的减小水锤现象的发生。

公开(公告)号：CN113947240A

公开(公告)日：2022-01-18

申请号：CN202111165076.6

申请日：2021-09-30

Applicant: 西安理工大学

Inventor： 李薇 ,  罗浩男 ,  苑俊清 ,  雷洲 ,  樊瑶驰

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N20/10 ,  G06N3/12

Abstract: 本发明公开了一种基于时间序列的用水量预测方法、系统和设备，包括，获取历史水流量，建立实际数据集；采用预先优化的最小二乘支持向量机对所述实际数据集进行处理，得到预测的水流量时间序列；根据预测的水流量时间序列匹配到设定时间段内，得到对应的预测用水量。能够用来更加准确得预测用水量，使水厂维持蓄水池液位平衡，同时可以有效的减小水锤现象的发生。

公开(公告)号：CN114064235A

公开(公告)日：2022-02-18

申请号：CN202111249265.1

申请日：2021-10-26

Applicant: 西安理工大学

Inventor： 李薇 ,  樊瑶驰 ,  雷洲 ,  苑俊清 ,  罗浩男

IPC: G06F9/48 ,  G06N3/00

Abstract: 本发明公开了一种多任务教与学优化方法、系统及设备，所述方法包括：基于种群多样性判断当前种群演化状态，依据基本的教与学算法原理进行迭代；其中，在教学阶段，引入基于权重的教师协作教学策略；在学习阶段，引入三角协作学习策略；判断是否满足终止条件，若满足，则终止迭代；若不满足，则返回继续进行迭代；本发明通过基于种群多样性及三角协作机制，在任务交互时，基于种群多样性判断当前任务的演化状态，获取其他任务的信息量，实现充分利用其他任务信息，有效减少获取的信息量，降低负迁移的影响；在学习阶段采用三角协作机制，能够获取更多的信息量，有效提高了当前任务的学习效率。

公开(公告)号：CN114065896A

公开(公告)日：2022-02-18

申请号：CN202111239833.X

申请日：2021-10-25

Applicant: 西安理工大学

Inventor： 李薇 ,  苑俊清 ,  樊瑶驰 ,  罗浩男 ,  雷洲

IPC: G06N3/00 ,  G06N3/12

Abstract: 本发明提供了一种基于邻域调整和角度选择策略的多目标分解进化算法，包括：初始化获得初始种群P(t)、与初始种群P(t)各父代个体关联的权重向量、历史记忆邻域存档器的所有值ST初始化为定值；基于自适应邻域调整策略，分配初始种群P(t)中每个父代个体关联的权重向量邻域大小Ti；繁殖产生子代个体形成新种群Q(t)；基于角度选择机制，遍历新种群Q(t)中所有子代个体选择优秀子代个体替换其父代个体；更新ST值为ST,pos,t+1并判断种群进化是否完成。本发明的多目标分解进化算法比现有的MOEA/D及其改进算法更能够有效地解决连续的复杂多目标问题，具有更好的收敛性和准确性。

公开(公告)号：CN114757330A

公开(公告)日：2022-07-15

申请号：CN202210013577.0

申请日：2022-01-06

Applicant: 西安理工大学

Inventor： 赵金伟 ,  罗浩男 ,  雷洲 ,  李爱民 ,  黑新宏 ,  何文娟 ,  杜楠 ,  彭海龙 ,  曹贾隆

IPC: G06N3/04 ,  G06N3/08 ,  G06Q50/06

Abstract: 本发明公开了基于LSTM的城市瞬时用水量预测方法，首先以长短期记忆人工神经网络为基本回归算法建立预测机制，然后采集部分城市用水量机组实际正常运行数据作为训练样本，学习训练得到一个基于长短期记忆人工神经网络的LSTM预测模型，最后利用下一时段城市用水量作为预测的输入，得到LSTM预测模型输出的预测值。本发明采用波动率相近的城市用水量数据集参与LSTM训练，能够解决历史城市用水量预测算法精度低的缺陷，并能很好地解决算法收敛慢的问题。

公开(公告)号：CN114565125A

公开(公告)日：2022-05-31

申请号：CN202210038874.0

申请日：2022-01-13

Applicant: 西安理工大学

Inventor： 赵金伟 ,  雷洲 ,  曹贾隆 ,  罗浩男 ,  彭海龙 ,  李爱民 ,  黑新宏 ,  杜楠 ,  何文娟

IPC: G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开了基于Lagrange的城市用水量插值方法包括以下步骤：步骤1，获取历史时刻的城市用水量数据；步骤2，对城市用水量进行标准化处理，得到测试数据；步骤3，根据Lagrange模型，对城市用水量进行补全。本发明采用Lagrange，能够解决历史城市用水量缺省值的问题；本发明使用Lagrange模型实现了准确的插值处理，城市用水量的误差较小，说明该模型预测的精度较高,有较好的应用价值。