欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024108092912
申请人: 安徽大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于LSTM编解码器和注意力机制的粮堆温度预测方法,其特征在于,包括以下步骤:S1,使用目标粮堆的历史数据对预构建的粮堆温度预测模型进行训练,得到训练好的粮堆温度预测模型;

其中,目标粮堆的历史数据包括:目标粮堆自身的历史温度数据、目标粮堆所处环境的历史气象数据;

其中,粮堆温度预测模型包括:特征提取和编码部、特征解码和预测部;

所述特征提取和编码部包括:CBAM网络、拼接器一、MLP网络、LSTM编码器、拼接器二;CBAM网络用于依据目标粮堆自身的历史温度数据进行特征提取,得到粮堆特征组Fcbam;拼接器一用于将粮堆特征组Fcbam与气象特征组Fmf进行对应拼接,得到拼接特征组Fin;MLP网络用于提取拼接特征组Fin之间的关联,得到关联特征组Fmlp;LSTM编码器用于提取拼接特征组Fin每个时间步的编码隐藏状态;拼接器二用于将关联特征组Fmlp与拼接特征组Fin每个时间步的编码隐藏状态进行对应拼接,得到特征编码张量组F;

其中,表示第t个时间步的粮堆特征;t∈[1,T];T表示目标粮堆的历史数据的总时间步;气象特征组Fmf即为目标粮堆所处环境的历史气象数据;表示第t个时间步的气象特征;表示第t个时间步的拼接特征;表示第t个时间步的输出向量;F={f1;f2;...;fT};ft表示第t个时间步的特征编码张量;

所述特征解码和预测部包括:LSTM解码器、改进的多头注意力网络、拼接器三、预测线性网络;LSTM解码器包括:W个LSTM解码单元;W>T;前T个LSTM解码单元用于根据特征编码张量组F、目标粮堆自身的历史温度数据解码出每个时间步的解码隐藏状态;其余的LSTM解码单元用于与改进的多头注意力网络、拼接器三、预测线性网络结合,进行目标点的温度预测;

改进的多头注意力网络的构建方法包括:

S100,获取Transformer模型中的多头注意力网络、并将其作为原始多头注意力网络;

S200,对原始多头注意力网络进行调整得到改进的多头注意力网络;

其中,调整的方式包括:

取消了原始多头注意力网络中从输入端到形成输入数据Q、K、V的线性层;直接采用不同的输入作为输入数据Q、K、V,并在每个头均增加对Q进行变换的线性层、对K进行变换的线性层;S2,使用训练好的粮堆温度预测模型对目标粮堆进行温度预测。

2.根据权利要求1所述的基于LSTM编解码器和注意力机制的粮堆温度预测方法,其特征在于,CBAM网络包括:通道注意力网络、权重调整器一、空间注意力网络、权重调整器二;

通道注意力网络用于对目标粮堆自身的历史温度数据处理,得到目标粮堆不同层上的通道特征权重;其中,通道注意力网络将目标粮堆中测温传感器分布网络的层数作为通道数;

权重调整器一用于根据通道特征权重对目标粮堆自身的历史温度数据进行调整,得到通道优化后的特征数据组;

空间注意力网络用于对通道优化后的特征数据组处理,得到目标粮堆不同位置上的位置特征权重;

权重调整器二用于根据位置特征权重对通道优化后的特征数据组进行调整,得到位置优化后的特征数据组、并作为粮堆特征组Fcbam。

3.根据权利要求2所述的基于LSTM编解码器和注意力机制的粮堆温度预测方法,其特征在于,LSTM编码器包括:T个LSTM编码单元;

其中,第t个LSTM编码单元依据第t个时间步的拼接特征ftin、第t-1个时间步的编码隐藏状态第t-1个时间步的编码单元状态计算得到第t个时间步的编码隐藏状态第t个时间步的编码单元状态均为零向量。

4.根据权利要求2所述的基于LSTM编解码器和注意力机制的粮堆温度预测方法,其特征在于,的计算公式设计为:式中,COMBINE表示拼接操作;

的计算公式设计为:

式中,W1、b1、W2、b2均为参数矩阵;M表示向量长度,H表示LSTM编码器的隐藏层数;RELU(.)表示Relu激活函数;

的计算公式设计为:

式中,LSTM表示LSTM网络计算过程;

ft的计算公式设计为:

式中,COMBINE表示拼接操作。

5.根据权利要求1所述的基于LSTM编解码器和注意力机制的粮堆温度预测方法,其特征在于,在前T个LSTM解码单元中,第t个LSTM解码单元依据第t个时间步的特征编码张量ft、第t-1个时间步的目标点的历史真实温度rt-1、第t-1个时间步的解码隐藏状态ht-1、第t-1个时间步的解码单元状态ct-1,计算得到第t个时间步的解码隐藏状态ht、第t个时间步的解码单元状态ct;

h0、c0均为零向量。

6.根据权利要求5所述的基于LSTM编解码器和注意力机制的粮堆温度预测方法,其特征在于,对第w个时间步进行预测时,解码隐藏状态组H作为输入数据Q;第w-1个时间步的解码单元状态cw-1作为输入数据K;特征编码张量组F作为输入数据V;其中,w>T;H={h1;h2;...;hT};

改进的多头注意力网络基于输入数据Q、K、V,计算得到输出向量拼接器三将输出向量和第w-1个时间步的温度值zw-1进行对应拼接,得到第w个时间步的上下文向量第w个LSTM解码单元依据第w个时间步的上下文向量第w-1个时间步的解码隐藏状态hw-1、第w-1个时间步的解码单元状态cw-1,计算得到第w个时间步的解码隐藏状态hw、第w个时间步的解码单元状态cw;

预测线性网络依据第w个时间步的解码隐藏状态hw计算出第w个时间步的目标点温度预测值pw;

其中,当w=T+1时,zw-1=rw-1;当w>T+1时,zw-1=pw-1。

7.根据权利要求6所述的基于LSTM编解码器和注意力机制的粮堆温度预测方法,其特征在于,ht、ct的计算公式设计为:

(ht,ct)=LSTM[COMBINE(ft,rt-1),ht-1,ct-1];

式中,COMBINE表示拼接操作,LSTM表示LSTM网络计算过程;

的计算公式设计为:

式中,COMBINE表示拼接操作;

hw、cw的计算公式设计为:

式中,LSTM表示LSTM网络计算过程;

pw的计算公式设计为:

pw=Wphw+bp;

式中,Wp、bp均为参数矩阵;

8.一种基于LSTM编解码器和注意力机制的粮堆温度预测装置,其特征在于,使用了如权利要求1-7中任一项所述的基于LSTM编解码器和注意力机制的粮堆温度预测方法;

所述基于LSTM编解码器和注意力机制的粮堆温度预测装置包括:模型训练模块,其用于使用目标粮堆的历史数据对预构建的粮堆温度预测模型进行训练,得到训练好的粮堆温度预测模型;

以及

温度预测模块,其用于使用训练好的粮堆温度预测模型对目标粮堆进行温度预测。

9.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行如权利要求1-7中任一项所述的基于LSTM编解码器和注意力机制的粮堆温度预测方法的步骤。