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！

龙图腾网获悉杨明申请的专利基于偏自相关函数PACF与互信息MI动态协同的时序预测特征选择方法及系统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：CN120045845B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202510355704.9，技术领域涉及：G06F18/10；该发明授权基于偏自相关函数PACF与互信息MI动态协同的时序预测特征选择方法及系统是由杨明设计研发完成，并于2025-03-25向国家知识产权局提交的专利申请。

本基于偏自相关函数PACF与互信息MI动态协同的时序预测特征选择方法及系统在说明书摘要公布了：1.发明名称：基于偏自相关函数PACF与互信息MI动态协同的时序预测特征选择方法及系统2.技术领域：本发明属于时序预测技术领域，涉及一种结合线性与非线性特征动态筛选的方法及系统，适用于工业设备预测性维护、能源调度、金融风控等场景。3.技术方案：通过检测时序数据的非平稳性ADF检验和记忆性Hurst指数，动态调整PACF与MI的权重参数α非平稳数据α∈[0.2,0.4]，强记忆性数据α∈[0.6,0.8]，计算混合评分\text{Score}k=\alpha\cdot|\text{PACF}k|+1‑\alpha\cdot\text{MI}k，并结合前向选择与后向剪枝相关系数阈值0.8优化特征窗口。4.技术效果：故障预警准确率提升17.7%风电数据；特征冗余度降低35%‑53%；数据处理效率提升50%。

本发明授权基于偏自相关函数PACF与互信息MI动态协同的时序预测特征选择方法及系统在权利要求书中公布了：1.一种时序预测特征选择方法 其特征在于，所述方法应用于工业设备振动分析或物联网传感器监测、包括以下步骤： 1.1对输入的时序数据进行平稳性检测和记忆性检测，其中：所述平稳性检测采用ADF检验，当ADF检验的p值小于0.05时判定数据为平稳；所述记忆性检测采用Hurst指数，当Hurst指数大于0.7时判定数据具有强记忆性； 1.2根据步骤1.1的检测结果动态设定混合评分中的权重参数α，其中：当数据为平稳时，α的取值范围为[0.2,0.4]；当数据具有强记忆性时，α的取值范围为[0.6,0.8]；当数据同时满足平稳和强记忆性时α的取值范围为[0.2,0.4] 1.3分别计算候选特征的偏自相关函数绝对值|PACFk|和互信息值MIk，并根据以下公式计算混合评分：Scorek=α·|PACFk|+1−α·MIk 1.4将候选特征按Scorek降序排序，选取Scorek大于动态阈值的特征，所述动态阈值为候选特征Score值的前20%分位数或通过交叉验证确定的最优值； 1.5对筛选后的特征进行窗口优化，包括： 前向选择：按Scorek从高到低依次加入特征； 后向剪枝：剔除候选特征中两两相关系数大于0.8的冗余特征。

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杨明，其通讯地址为：065201 河北省廊坊市三河市燕郊开发区行宫东大街鼎盛家园1号楼二单元1102；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。