CN118863160B 一种建筑水泥材料需求量预测方法 （中桔(佛山)新材料有限公司）

本发明提出一种建筑水泥材料需求量预测材料需求量预测流程包括收集建筑水泥材料相维和升维操作，构建信息映射模块，构建频域LSTM模块，使用注意力机制进一步增强历史信出的多模态信息结合模块能够对建筑水泥材料域的全局视角和能量压缩特性的同时捕捉时间2S1、收集包括图片和时间序列数据的建筑水泥材料S2、构建多模态信息结合模块，分别使用卷积神经S7、使用全连接神经网络对特征表示进行计算，得2.根据权利要求1所述的一种建筑水泥材料需求量预测方法，其特征在于，所述步骤X=[rz,x2,…,xn]eR"T.其中N、T分别为时间序列的数量和时间戳的数量，料的图片数据P进行处理：然后通过查找表而对输入建筑水泥材料时间序列数据X进行处理：通过查找表获得的新嵌入表示，M为数据进行查找表操作后得到的新维度，同样对3xeRM进行拉直后得到新的嵌入表示3.根据权利要求2所述的一种建筑水泥材料需求量预测方法，其特征在于，所述步骤4.根据权利要求3所述的一种建筑水泥材料需求量预测方法，其特征在于，所述步骤v)的实部，j为虚数单位，频域信息的全局视角和能量压缩特性能够更有效对时间序列5.根据权利要求4所述的一种建筑水泥材料需求量预测方法，其特征在于，所述步骤其能够同时学习频域信息的实部和虚部两种分量，首先需要分别对特征表示Re(V(vt))和Im(V(vt))进行拉直，得到新维度的特征表示Re(v(v))eRA.Im(v(vp))eRd,4foocc为偏置t为将st归一化的注意力权重，LeRd为所有56而对于输入的建筑水泥材料时间序列数据其中N、T分别为时间序列的数量和时间戳的数量,数据X通过查找表获得的新嵌入表示，M为数据进行查找表操作后得到的新维度，同样对xfeR"M进行拉直后得到新的嵌入表示为Y,经过升维后的特征表示,vceRK为在时间戳t∈7维度的特征表示Re(v(v:))eRd.其中d＝k×T，进一步将原始为Sigmoid函数，it、ft、oreRd分别为时间戳t处LSTM的输入门、遗忘门和输出门，8于加权值，进一步得到关注历史关键时间步信息的特征表示，具体计算过程如下：ttt为将st归一化的注意力权重，LeRd为水泥材料图像和时间序列数据两种模态的数据进行处理并融合，以获得更加丰富的特征，9为频域信息以更好地利用全局和局部信息，同时利用注意力机制重点关注历史依赖信息，料图片数据其中W＝512、H＝512分别为图片的宽、操作后的得到的图片特征表示将其中的图片X=[x,x2,..,xn]eR"T,其中N＝64、T＝5分别为时间序列的数样对X,中的xfeRS4X128进行拉直后得到新的嵌入表示其中5120＝1024×5，进一步构建频t输出门，ireRS120为时间戳t处的后的值直接相加得到关注历史关键时间步信息的加权值按元素相加进一步得到关注关键时间步信息的特征表示，具体计算过程如下：[0079]进一步地，该方法使用Python3.8语言，在CUDA11环境下使用PyTorch框架，在NVIDIARTX3090GPU上进行训练，训练过程中的批大小为32,学习率为1×10_3,采用了可以看出该方法所获得预测值能够很好地拟合真实需求量，并且在面对噪声和