一种基于DTW-DCRNN的化工园区噪声预测方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于DTW‑DCRNN的化工园区噪声预测方法,属于信号与信息处理领域,解决化工园区长期全局噪声预测问题。将时间动态规整理论引入到扩散卷积递归神经网络中,建立由时间动态规整方法、扩散卷积递归神经网络、Kalman滤波构成的时空噪声预测网络模型。使用惩罚系数改进DTW算法,通过DTW模型重构神经网络的空间关系;使用Kalman方法结合车流量特征动态调整神经网络的输出噪声预测。该方法首先基于时间序列相似度重构空间关系,之后将各站点的数据送入模型中进行预测与动态修正,从而实现多站点噪声预测、长期噪声预测、全局噪声水平预测,进而能够提前规避噪声扰民、损害健康的风险。
《一种基于DTW-DCRNN的化工园区噪声预测方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2022112382001,当前法律状态为已下证,由山东科技大学提出申请,发明人为陈赓;曾庆田;梁宇;段华;姚文静;张煜东;周玉祥,申请日期为2022-10-11,公开(公告)日期为2026-03-17,国际专利分类号(IPC)为 G06F 30/20 (2020.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于DTW‑DCRNN的化工园区噪声预测方法,属于信号与信息处理领域,解决化工园区长期全局噪声预测问题。将时间动态规整理论引入到扩散卷积递归神经网络中,建立由时间动态规整方法、扩散卷积递归神经网络、Kalman滤波构成的时空噪声预测网络模型。使用惩罚系数改进DTW算法,通过DTW模型重构神经网络的空间关系;使用Kalman方法结合车流量特征动态调整神经网络的输出噪声预测。该方法首先基于时间序列相似度重构空间关系,之后将各站点的数据送入模型中进行预测与动态修正,从而实现多站点噪声预测、长期噪声预测、全局噪声水平预测,进而能够提前规避噪声扰民、损害健康的风险。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
