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！

龙图腾网获悉南京信息工程大学申请的专利基于互补集成经验模分解的时空卷积短时交通流预测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：CN115481816B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202211242169.9，技术领域涉及：G06F18/20；该发明授权基于互补集成经验模分解的时空卷积短时交通流预测方法是由张龄允;张凯;丁昱杰;卢海鹏;刘洪;张栋;孙凯强;孙志颖;魏明设计研发完成，并于2022-10-11向国家知识产权局提交的专利申请。

本基于互补集成经验模分解的时空卷积短时交通流预测方法在说明书摘要公布了：本发明公开了基于互补集成经验模分解的时空卷积短时交通流预测方法，包括：获取原始交通流数据并进行数据预处理；将交通流数据输入到预构建的CEEMD‑GAT‑LSTM模型中进行短时交通流预测。其中，构建的预测模型包括：采用CEEMD对交通流数据进行信号分解、采用GAT充分挖掘数据的空间特征、采用LSTM充分挖掘数据的时间特征，从而提高神经网络的学习效率。本发明能够有效提高短时交通流预测的预测精度，为交通部门提供有利的参考价值。

本发明授权基于互补集成经验模分解的时空卷积短时交通流预测方法在权利要求书中公布了：1.基于互补集成经验模分解的时空卷积短时交通流预测方法，其特征在于，包括以下步骤： 获取原始交通流数据，并对所述原始交通流数据进行数据预处理生成交通流数据集； 将所述交通流数据集输入到预构建的CEEMD-GAT-LSTM模型中进行短时交通流预测； 所述CEEMD-GAT-LSTM模型的构建过程包括： 对CEEMD进行数学建模：CEEMD是以EMD为基础，在EEMD上进行改进的一种根据噪声频率处理非线性信号的分解算法，通过引入正、负成对的高斯白噪声添加到交通流数据集中，将混合信号同时进行EMD分解； 对GAT进行数学建模：对输入的交通流数据集计算各节点与相邻节点之间的隐藏值、分配不同的权重，并结合多头注意力机制，获取更多的节点特征信息，提高模型的学习能力； 对LSTM进行数学建模：在RNN网络的基础上，LSTM网络分别增加了依次连接的输入门、遗忘门和输出门，通过输入门、遗忘门和输出门实现对信息的保护和控制； 对CEEMD-GAT-LSTM进行数学建模：通过CEEMD对交通流数据进行信号分解，将分解后的信号依次输入到GAT模型来捕捉数据的空间特征、LSTM模型来捕捉数据的时间特征，通过全连接层进行特征融合，输出预测值； 所述数据预处理操作具体包括：采用线性插值的方法对数据进行缺失值处理、将数据重新聚合为每20分钟出一条的数据形式、采用min-max方法对交通流数据进行归一化； 所述EMD能将复杂信号分解为有限个IMF分量，各IMF分量包含了原始信号在不同时间尺度上的局部特征信号，即将原始序列分解成本征模态函数和残余分量； 其中，为IMF分量的个数；为第个IMF分量；为第个残余分量； 所述EEMD通过添加辅助白噪声，对多次EMD分解后得到的IMF分量计算其集总平均值；所述CEEMD通过引入正、负成对的高斯白噪声添加到交通流数据集中，将其分解成若干个IMF分量和一个残余分量，信号分解过程包括： 式中，表示添加正噪声后的原始序列，表示添加负噪声后的原始序列，表示交通流数据集，表示加入的高斯白噪声； 进行EMD分解，得到2n组IMF分量，将每组分量分别记为、，对每组IMF分量求取平均值： 其中，表示第i个信号加入正噪声后分解的第j个IMF分量；表示第i个信号加入负噪声后分解的第j个IMF分量；表示信号经过CEEMD分解后得到的第j个IMF分量；综上，交通流数据集最终被分解成多个IMF分量和一个残余分量res的数据形式 所述GAT计算节点i和节点j间的注意系数，并利用softmax函数对所有相邻节点进行归一化操作，并利用注意系数，采用多头注意力机制，利用加权求和的方法更新每个节点的特征向量； 式中，代表节点i的特征集合，代表节点j的特征集合，表示用来计算相关性的函数，W表示一种对所有节点特征进行线性变换的参数矩阵，将输入特征转换为高维特征，exp代表以e为底的指数函数，表示激活函数，表示与节点i直接相连的邻居节点，K表示注意力头的个数，表示第k个注意力头下的注意系数，表示第k个注意力头下的线性变换矩阵； 所述RNN是一类用于处理序列数据的神经网络；RNN的计算过程为： 其中，y为输出，x为输入，W为权重系数，f为激活函数； 所述遗忘门将输入向量和隐藏状态通过sigmoid函数获取遗忘状态，并将单元状态和遗忘状态相乘进行输出； 所述输入门将输入向量和隐藏状态分别通过sigmoid函数和tanh函数获取输入状态和单元状态，将输入状态和单元状态相乘再与遗忘门的输出结果相加得到单元状态； 所述输出门将输入向量和隐藏状态分别通过sigmoid函数获取输出状态，将单元状态通过tanh函数获取结果与输出状态相乘得到隐藏状态； 其中，为遗忘门的权重，为遗忘门的偏置，为输入门的权重，为输入门的偏置，为输出门的权重，为输出门的偏置；为记忆单元的权重，为记忆单元的偏置。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市浦口区宁六路219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。