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！

龙图腾网获悉大连理工大学申请的专利用于气象等复杂系统的基于变量选择和反向时滞特征选择的条件格兰杰因果分析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：CN116881798B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202310958325.X，技术领域涉及：G06F18/2411；该发明授权用于气象等复杂系统的基于变量选择和反向时滞特征选择的条件格兰杰因果分析方法是由李蒙;那晓栋;韩敏设计研发完成，并于2023-08-01向国家知识产权局提交的专利申请。

本用于气象等复杂系统的基于变量选择和反向时滞特征选择的条件格兰杰因果分析方法在说明书摘要公布了：本发明提出一种用于气象等复杂系统的基于变量选择和反向时滞特征选择的条件格兰杰因果分析方法，属于数据挖掘技术领域。本发明先将采集到的数据进行预处理，对缺失数据采用平均值插补方法进行补全，并对数据进行平稳性检验及处理，以满足建立模型的假设。之后将数据进行归一化，以消除不同变量量纲带来的影响。最后建立基于变量选择和反向时滞特征选择的条件格兰杰因果分析模型，实现准确探究变量间因果关系的目的，同时展现不同变量间的因果关系指数，以达到定量、准确地分析系统间各变量间的因果关系。本发明能够实现对复杂系统进行精准建模，目的在于拓展原始的方法适用于高维且能够展示更多的动态信息。

本发明授权用于气象等复杂系统的基于变量选择和反向时滞特征选择的条件格兰杰因果分析方法在权利要求书中公布了：1.一种用于气象等复杂系统的基于变量选择和反向时滞特征选择的条件格兰杰因果分析方法，所述条件格兰杰因果分析方法面对气象或其他复杂系统，提出探究系统间各变量与其主要污染物AQI之间的因果分析方法；其特征在于，包括以下步骤：首先，将采集到的数据进行预处理，对缺失数据采用平均值插补方法进行补全；然后，对补全的数据进行平稳性检验及处理，以满足建立模型的假设；之后，将数据进行归一化，以消除不同变量量纲带来的影响；最后，建立基于变量选择和反向时滞特征选择的条件格兰杰因果分析方法，实现准确探究变量间因果关系的目的，同时展现不同变量间的动态因果关系指数，以达到定量、明确地分析系统间各变量与AQI的联系，实现对AQI影响因素的分析；具体步骤如下： 步骤1：获取空气质量指标观测数据，对多维时间序列数据进行预处理，并对时间序列数据进行平稳性检验，再对时间序列数据进行归一化处理； 步骤2：采取孤立森林算法进行数据异常点的检测，按照分数高低进行剔除处理；对于时间序列，代表维矩阵，共n维变量，时间序列长度为N；假设时间序列共有Z个异常值，那么经过孤立森林算法处理过的时间序列变为； ； 式中，，欧拉常数；其中，就是记录x个样本的训练数据构成树的异常指数，取值范围为，越接近0，该数值为正常数值，越接近于1该数值为异常值； 步骤3：选用最大相关最小冗余算法为建立的条件格兰杰因果分析模型选择合适的条件变量，将变量之间的最大相关性和最小冗余性结合起来，计算一个综合评分，选择具有最高综合评分的特征作为下一个被选择的特征，迭代计算直到从经过孤立森林算法处理过的时间序列中选取m个变量作为条件变量，定义为目标变量的特征子集，综合评分计算方式为： ； 式中，m为特征子集数，为特征子集，、为特征子集变量； 步骤4：选取上述步骤处理后数据集的最优解释向量，其中数据集中包括目标变量、来源变量、条件变量； 步骤5：建立条件格兰杰因果分析模型，将上述解释向量带入模型，得到变量间的因果关系值，绘制条件格兰杰因果分析的结果得到变量间的因果关系热力图； 步骤6：根据因果关系热力图选择与目标变量相关性最大的变量；将上述相关性变量带入回声状态网络模型得到目标变量预测值和实际值的对比情况以及预测误差；通过预测误差值比较对比方法与本发明方法的优劣。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。