天洑软件再度收获两项国家发明专利授权

   本发明提供了一种基于组合时序预测的氮氧化物（NOx）废气浓度预测方法，这种方法的主要特点是采用Boosting的组合策略，以提升NOx浓度预测的精度，包括：采集NOx浓度信号机器相关特征信号，并使用归一化方法和滑动窗口的方法构造输入输出数据集；构建单步预测和多步预测算法库，并从中选取不同算法建立组合预测方案；在验证集上对NOx浓度进行预测，并使用自研的PR2评价指标对预测结果进行评价；最后从多个组合预测方案中选取最优的组合预测方案，并输出相应的预测模型。与传统的预测方法相比，这种组合的时序预测方法可以同时考虑NOx浓度的不同变化规律，可以有效提高模型预测的精度，具有很强的适应性和灵活性。

● 专利效果

◆ 通过Boosting的策略将多种算法进行组合，这种组合时序预测的方法可以考虑NOx浓度序列中线性、非线性以及外源性因素导致的变化规律，并使用不同算法不断对预测结果进行修正，可以有效提高时序预测的效果。

◆ 提供了丰富的时序预测算法库，可以根据不同的场景选择不同的时序组合预测方案，具有很强的适应性和灵活性。

   本发明实施例提供一种基于智能补点的船型代理模型构建方法及装置，包括：采集船型的历史数据作为原始数据集；对原始数据集进行预处理；使用机器学习技术构建多个船型代理模型并选取预测性能最差的多个样本点；在预测性能最差的多个样本点附近构造新的船型设计参数，并使用仿真实验得到新的船型设计指标，并将其加入到原始数据集以得到新数据集，重复上述步骤直到新数据集中的所有历史数据的预测性能满足要求为止。使用机器学习的方法对船型的历史设计数据进行学习，在固化专家经验的同时有利于发现数据中隐藏的设计经验；对于数据量少和样本不均衡的数据集，通过智能补点技术，可以针对性的提高代理模型的精度，降低模型预测结果的不确定度。

● 专利效果

◆ 使用机器学习的方法对船型的历史设计数据进行学习，在固化专家经验的同时有利于发现数据中隐藏的设计经验。

◆ 对于数据量少和样本不均衡的数据集，通过智能补点技术，可以针对性的提高代理模型的精度，降低模型预测结果的不确定度。相比于传统随机补点的方法，这种智能补点技术可以捕捉代理模型拟合不准确的区域，并对这个区域的样本进行针对性补充，非常适用于仿真成本高、数据难以获取的场景。