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！

龙图腾网获悉哈尔滨工程大学申请的专利一种针对时序数据预测的特征优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115982141B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211542378.5，技术领域涉及：G06F16/215；该发明授权一种针对时序数据预测的特征优化方法是由戴运桃;王宇晴;关昊夫;张康慧;王淑娟;彭立章;沈继红;廉春波;谭思超;王博设计研发完成，并于2022-12-03向国家知识产权局提交的专利申请。

本一种针对时序数据预测的特征优化方法在说明书摘要公布了：本发明公开了一种针对时序数据预测的特征优化方法，步骤1、获取待预测时序数据集；步骤2、使用相关性分析方法对时序数据集特征参数进行相关性计算，计算数据集各特征参数之间的相关系数；步骤3、根据步骤2得到其他特征参数与预测目标特征参数的相关系数，根据不同相关系数阈值选择得到若干特征参数子集；步骤4、将特征参数子集分别输入预先训练好的长短期记忆网络模型，输出预测目标特征参数as的预测值，根据各个特征参数子集对应预测值与真实值的误差得到预测目标特征参数as对应的最优特征子集，长短期记忆网络模型由训练时序数据集对应特征参数子集训练得到的；本发明对高维数据输入进行优化，剔除对预测无效的特征，建立最优特征子集。

本发明授权一种针对时序数据预测的特征优化方法在权利要求书中公布了：1.一种针对时序数据预测的特征优化方法，其特征在于，包括： 步骤1、将工业过程故障数据作为参数预测的原始数据集A，A中存在q种故障严重程度，分别为A1,A2…Aq；通过不同严重程度数据的拼接形成实验的训练集Atrain，对数据进行归一化以及标准化预处理，并预留出未知的严重程度Atest作为实验的测试集； 步骤2、使用相关性分析方法对所述时序数据集的特征参数a1,a2…an进行相关性计算，计算数据集各特征参数之间的相关系数； 步骤3、根据步骤2得到其他特征参数与预测目标特征参数as的相关系数，根据不同相关系数阈值{λ|0＜λ＜1}，选择得到若干特征参数子集Subλ； 步骤4、将步骤3所述特征子集Subλ对应的待预测数据分别输入预先训练好的长短期记忆网络模型，输出预测目标特征参数as的预测值yλ，根据不同预测值yλ与真实值的误差得到预测目标特征参数as对应的最优特征子集；所述长短期记忆网络模型是按照步骤2和步骤3操作得到若干特征子集Subλ，然后将Subλ对应的训练数据分别输入网络训练得到的； 步骤5、将测试数据集Atest输入到训练完成后的LSTM模型中，通过网络的单步预测可生成未知严重程度数据的预测值，并计算预测值与真实值的误差； 步骤6、根据实验结果评价指标找出每种相关性方法对应的最优特征子集，对比不同相关性方法的特征优化效果，建立针对参数预测的最优模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。