基于稀疏自编码的核极限学习机洪水预报方法

发明专利无效专利

申请号：
CN201710841563.7
IPC分类号：G06Q10/04;G06N3/08
申请日期：
2017-09-18
申请人：
河海大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于稀疏自编码的核极限学习机洪水预报方法
申请号	CN201710841563.7	申请日期	2017-09-18
法律状态	驳回	申报国家	中国
公开/公告日	2018-01-09	公开/公告号	CN107563567A
优先权	暂无	优先权号	暂无
主分类号	G06Q10/04 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法〔8〕 G06Q10/00 行政；管理〔8，2012.01〕 G06Q10/04 预测或优化，例如线性规划、“旅行商问题”或“下料问题”〔2012.01〕	IPC分类号	G;0;6;Q;1;0;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	河海大学	申请人地址	江苏省南京市鼓楼区西康路1号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	河海大学	当前权利人	河海大学
发明人	李士进;马凯凯;朱跃龙;冯钧;万定生;黄乐平
代理机构	南京苏高专利商标事务所（普通合伙）	代理人	王安琪

摘要

本发明公开了一种基于稀疏自编码的核极限学习机洪水预报方法，包括如下步骤：(1)选取中小河流洪水数据，对数据进行整理与清洗；(2)选取合适的预报因子并整理样本，对样本数据进行预处理；(3)将原始样本数据经过多层稀疏自编码器进行无监督学习，分别训练最优网络层参数；(4)经过多层稀疏自编码学习后的样本数据作为KELM模型的输入，构建SAE_KELM模型，预测并评价相应结果。本发明在KELM模型基础上融合SAE方法，构建深层网络模型，通过增加模型的层数来学习复杂数据之间丰富的内在信息，SAE_KELM模型不仅可以学习到原始水文数据中的“本质”特征，而且学习到的特征对数据有更本质的刻画，KELM模型能够更好地拟合特征值与目标值之间的映射关系。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供