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！

龙图腾网获悉华侨大学申请的专利基于LSTM-iTransformer的室内环境数据预测方法及系统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：CN120744481B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202511172576.0，技术领域涉及：G06F18/2137；该发明授权基于LSTM-iTransformer的室内环境数据预测方法及系统是由喻小光;蔡奇伶;赖佳兴;陈霞设计研发完成，并于2025-08-21向国家知识产权局提交的专利申请。

本基于LSTM-iTransformer的室内环境数据预测方法及系统在说明书摘要公布了：本发明公开了基于LSTM‑iTransformer的室内环境数据预测方法及系统，涉及室内环境数据预测领域，包括：整合来自室内传感器的温度、湿度数据以及室外天气信息，形成综合环境信息；使用LSTM模块提取综合环境信息中的时序特征，并通过改进的包括多头差分注意力层、位置编码层和多层感知机的iTransformer模块进一步处理，获得包含全局深层特征表示的向量结果，以增强对关键信息的关注并抑制噪声干扰；将全局深层特征表示送入时间序列预测模型，经过编码器层、平均池化层、多层感知机和全连接层的处理，最终输出对室内温度和湿度的预测值。本发明通过结合LSTM与iTransformer的优势，克服了传统预测方法在捕捉复杂时空模式和长距离依赖关系方面的局限性。

本发明授权基于LSTM-iTransformer的室内环境数据预测方法及系统在权利要求书中公布了：1.一种基于LSTM-iTransformer的室内环境数据预测方法，其特征在于，包括： S1，将室内传感器监测的温度数据、湿度数据和气象台提供的室外天气信息进行整合，获得整合的环境信息； S2，将整合后的环境信息输入至LSTM模块提取时序特征； S3，将所述时序特征输入至改进的包括多头差分注意力层、位置编码层和多层感知机的iTransformer模块，获得包含全局深层特征表示的向量结果；其中，多头差分注意力层对输入的时序特征计算注意力分数之间的差异，获得对输入序列的增强表示；位置编码层引入序列的位置信息，对输入序列的增强表示进行位置编码，获得带有时序位置信息的特征表示；多层感知机通过非线性激活函数对带有时序位置信息的特征表示进行非线性变换与特征融合，获得包含全局深层特征表示的向量结果； 多头差分注意力层通过对输入的时序特征计算注意力分数之间的差异，获得对输入序列的增强表示，具体包括： 将输入的时序特征分别与参数矩阵WQ、WK和WV进行线性变换后，投影到查询向量Q、键向量K和值向量V上，计算公式如下： [Q1；Q2]＝XWQ； [K1；K2]＝XWK； V＝XWV； 其中，X表示输入的时序特征；Q1表示第一组的查询向量；K1表示第一组的键向量；Q2表示第二组的查询向量；K2表示第二组的键向量；WQ、WK和表示参数矩阵，d＝dmodelh，h为头数； 针对两组查询向量和键向量分别计算注意力分数，对于第一组，将Q1与K1进行点积运算，再除以进行缩放，经softmax函数处理后得到第一组注意力分数A1和第二组注意力分数A2，其中第一组注意力分数的计算公式如下： 最终的注意力分数通过两组注意力分数相减并与值向量V相乘得到，计算公式如下： DiffAttnX＝A1-λA2V； 其中，λ表示一个可学习的差分权重系数，用于控制差分的程度；DiffAttn表示传统差分注意力层最终的注意力分数；和表示可学习的向量；λinit∈0,1用于初始化λ的常数； 基于最终的注意力分数获得对输入序列的增强表示； S4，将包含全局深层特征表示的向量结果输入包括编码器层、平均池化层、多层感知机和全连接层的时间序列预测模型，预测出室内温度和相对湿度；其中，编码器层的前馈神经网络结构采用一维卷积层对输入序列的局部时序特征进行提取与建模，获得具有局部模式感知能力的特征表示；平均池化层对具有局部模式感知能力的特征表示进行下采样，获得降维特征；多层感知机对降维特征进行非线性变换与组合，获得抽象语义特征；全连接层接收抽象语义特征并预测出室内温度和相对湿度。

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华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269号；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。