買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜浙江大學;華東交通大學;浙江省能源集團有限公司申請的專利一種工業過程監測模型智能推薦方法與系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119537927B 。

龍圖騰網通過國家知識產權局官網在2025-04-18發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510108280.6，技術領域涉及：G06F18/2135；該發明授權一種工業過程監測模型智能推薦方法與系統是由趙春暉;李寶學;李清毅;劉盛輝;朱松強;張國民;紀培棟設計研發完成，并于2025-01-23向國家知識產權局提交的專利申請。

本一種工業過程監測模型智能推薦方法與系統在說明書摘要公布了：本發明公開了一種工業過程監測模型智能推薦方法與系統，該方法包括：首先面對工業時間序列數據缺乏直觀特征的問題，采用數據集特征工程方法從通用統計特征、分布形狀特征、任務相關特征以及外源知識嵌入四個角度提取出每個案例的數據集特征；然后設計一種基于寬度學習的映射關系學習策略，將每個案例的數據集特征與其對應的模型得分向量進行映射，從而賦予寬度學習網絡預測模型性能的能力；最后，出于對工業場景多重增量需求的驅動，提出了一種三重增量策略，分別對于監測案例增量、候選模型增量以及推薦節點增量這三種情況設計了寬度學習網絡的更新策略，從而不斷擴展與增強本方法的推薦能力。本發明能夠為工業過程推薦出性能最優的檢測模型。

本發明授權一種工業過程監測模型智能推薦方法與系統在權利要求書中公布了：1.一種工業過程監測模型智能推薦方法，其特征在于，包括以下步驟：1獲取N個工業對象的時間序列數據集，采用數據集特征工程方法對所有的時間序列數據集進行處理，以獲取每個時間序列數據集對應的數據集特征向量，并將所有的數據集特征向量拼接在一起，得到數據集特征矩陣；其中，每個時間序列數據集對應的數據集特征向量包括對應時間序列數據集的通用統計特征、分布形狀特征、任務相關特征以及外源知識嵌入特征；2對于每個時間序列數據集，利用該時間序列數據集中的訓練集數據訓練預設的M個不同的模型，并在測試集數據上進行測試，得到該時間序列數據集對應的所有模型的測試結果組成的數據集得分向量，并將所有的數據集得分向量進行拼接，得到數據集得分矩陣；3利用數據集特征矩陣和數據集得分矩陣，訓練用于建立特征矩陣與得分矩陣的映射關系的寬度學習網絡，以獲取訓練好的寬度學習網絡；并采用三重增量策略對訓練好的寬度學習網絡進行增量更新與優化，以獲取更新后的寬度學習網絡；其中，所述三重增量策略包括監測案例增量、候選模型增量以及推薦節點增量的更新策略；所述監測案例增量的更新策略具體包括：當收集到新的時間序列數據集時，先獲取新增的數據集特征矩陣和數據集得分矩陣則新增的時間序列數據集所對應的特征節點和增強節點分別表示為： 其中，ZR,a表示新增的時間序列數據集所對應的拼接后的特征節點，N′表示新增的時間序列數據集的數量，Ha表示新增的時間序列數據集所對應的增強節點；記新增的輸入數據Aa＝[ZR,a|Ha]，則更新后的完整輸入數據為： 其中，Ax+a表示更新后的完整輸入數據，則其偽逆表示為： Q＝AaA+ 其中，Ax+a+為Ax+a的偽逆，B和Q為中間計算變量，無實際意義；則更新后的待求解的線性映射為： 其中，W′表示更新后的待求解的線性映射；所述候選模型增量的更新策略具體包括：當候選模型的數量增多時，數據集得分矩陣從增廣為其中M′表示新增的模型的數量，則待求解的線性映射更新為： 其中，Sb表示新增的M′個候選模型對應的數據集得分矩陣；4在線應用時，采用數據集特征工程方法對目標數據集進行處理，得到目標數據集對應的數據集特征向量，并將其輸入至訓練好的或更新后的寬度學習網絡中，得到所有模型對應的數據集得分向量，選取得分最高的模型作為推薦模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江大學;華東交通大學;浙江省能源集團有限公司，其通訊地址為：310058 浙江省杭州市西湖區余杭塘路866號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。