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！

龍圖騰網獲悉泰鉑(上海)環?？萍脊煞萦邢薰?/a>申請的專利針對汽車空調的數據指標預測方法及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：CN115510951B 。

龍圖騰網通過國家知識產權局官網在2025-09-23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：202211038039.3，技術領域涉及：G06F18/25；該發明授權針對汽車空調的數據指標預測方法及系統是由陶林設計研發完成，并于2022-08-29向國家知識產權局提交的專利申請。

本針對汽車空調的數據指標預測方法及系統在說明書摘要公布了：本發明提供的針對汽車空調的數據指標預測方法及系統，涉及數據處理技術領域。在本發明中，對于目標時間周期包括的多個歷史時間值中的每一個歷史時間值，提取到目標汽車空調在該歷史時間值下具有的多種歷史空調性能指標參數；采用已經更新完成的目標數據指標預測神經網絡，對多個歷史時間值分別對應的多種歷史空調性能指標參數進行分析處理，以輸出目標汽車空調對應的目標空調性能預測結果；提取到在當前時間下目標汽車空調具有的多種目標空調性能指標參數，基于多種目標空調性能指標參數和目標空調性能預測結果，得到對應的目標空調性能融合結果?；谏鲜鰞热荩梢栽谝欢ǔ潭壬咸岣咂嚳照{的數據指標預測的可靠度。

本發明授權針對汽車空調的數據指標預測方法及系統在權利要求書中公布了：1.一種針對汽車空調的數據指標預測方法，其特征在于，包括： 對于目標時間周期包括的多個歷史時間值中的每一個歷史時間值，提取到目標汽車空調在該歷史時間值下具有的多種歷史空調性能指標參數； 采用已經更新完成的目標數據指標預測神經網絡，對所述多個歷史時間值分別對應的多種歷史空調性能指標參數進行分析處理，以輸出所述目標汽車空調對應的目標空調性能預測結果，所述目標空調性能預測結果用于反映所述目標汽車空調的綜合性能優異程度； 提取到在當前時間下所述目標汽車空調具有的多種目標空調性能指標參數，基于所述多種目標空調性能指標參數和所述目標空調性能預測結果，得到所述目標汽車空調對應的目標空調性能融合結果； 所述采用已經更新完成的目標數據指標預測神經網絡，對所述多個歷史時間值分別對應的多種歷史空調性能指標參數進行分析處理，以輸出所述目標汽車空調對應的目標空調性能預測結果的步驟，包括： 對所述多個歷史時間值分別對應的多種歷史空調性能指標參數進行矩陣化處理，以形成對應的歷史指標參數分布矩陣，在所述歷史指標參數分布矩陣中，一行歷史空調性能指標參數為一種歷史空調性能指標參數分別在所述多個歷史時間值下分別具有的值，一列歷史空調性能指標參數為多種歷史空調性能指標參數分別在一個歷史時間值下分別具有的值； 采用目標數據指標預測神經網絡，對所述歷史指標參數分布矩陣進行分析處理，以輸出所述目標汽車空調對應的目標空調性能預測結果； 所述采用目標數據指標預測神經網絡，對所述歷史指標參數分布矩陣進行分析處理，以輸出所述目標汽車空調對應的目標空調性能預測結果的步驟，包括： 采用已經更新完成的目標數據指標預測神經網絡包括的第一矩陣整體信息挖掘模型對所述歷史指標參數分布矩陣進行矩陣整體信息挖掘操作，以輸出所述歷史指標參數分布矩陣對應的矩陣整體信息待處理向量； 對所述歷史指標參數分布矩陣進行關鍵數據提取操作，輸出所述歷史指標參數分布矩陣對應的關鍵性歷史指標參數分布矩陣； 采用所述目標數據指標預測神經網絡包括的第一矩陣關鍵性信息挖掘模型對所述歷史指標參數分布矩陣對應的關鍵性歷史指標參數分布矩陣進行矩陣關鍵性信息挖掘操作，以輸出所述歷史指標參數分布矩陣對應的矩陣關鍵性信息待處理向量； 依據所述歷史指標參數分布矩陣對應的矩陣整體信息待處理向量和對應的矩陣關鍵性信息待處理向量，分析輸出所述歷史指標參數分布矩陣對應的目標矩陣信息待處理向量； 分別計算所述歷史指標參數分布矩陣對應的目標矩陣信息待處理向量與預先配置的多個目標矩陣信息參考向量中的每一個目標矩陣信息參考向量之間的向量相似度，再依據每一個目標矩陣信息參考向量與所述目標矩陣信息待處理向量之間的向量相似度，對每一個目標矩陣信息參考向量對應的目標空調性能標注結果進行融合處理，以形成所述目標汽車空調對應的目標空調性能預測結果； 所述第一矩陣關鍵性信息挖掘模型依據所述第一矩陣整體信息挖掘模型和提取到的示例性數據組合，對待更新矩陣關鍵性信息挖掘模型進行模型參數更新形成，所述示例性數據組合包括示例性標準指標參數分布矩陣、所述示例性標準指標參數分布矩陣對應的示例性第一指標參數分布矩陣和所述示例性標準指標參數分布矩陣對應的示例性第二指標參數分布矩陣； 在對所述待更新矩陣關鍵性信息挖掘模型進行模型參數更新的過程中，所述第一矩陣整體信息挖掘模型用于對所述示例性標準指標參數分布矩陣、所述示例性第一指標參數分布矩陣和所述示例性第二指標參數分布矩陣對應的矩陣整體信息待處理向量進行矩陣整體信息挖掘操作，所述待更新矩陣關鍵性信息挖掘模型用于對所述示例性標準指標參數分布矩陣、所述示例性第一指標參數分布矩陣和所述示例性第二指標參數分布矩陣對應的矩陣關鍵性信息待處理向量進行矩陣關鍵性信息挖掘操作，所述第一矩陣關鍵性信息挖掘模型基于分析輸出的關鍵性信息挖掘誤差和信息挖掘聯合誤差對所述待更新矩陣關鍵性信息挖掘模型進行模型參數更新形成，所述關鍵性信息挖掘誤差依據所述示例性標準指標參數分布矩陣、所述示例性第一指標參數分布矩陣和所述示例性第二指標參數分布矩陣分別對應的矩陣關鍵性信息待處理向量分析輸出，所述信息挖掘聯合誤差依據所述示例性標準指標參數分布矩陣、所述示例性第一指標參數分布矩陣和所述示例性第二指標參數分布矩陣分別對應的矩陣整體信息待處理向量和矩陣關鍵性信息待處理向量分析輸出； 所述示例性標準指標參數分布矩陣與所述示例性標準指標參數分布矩陣對應的示例性第一指標參數分布矩陣之間的矩陣相似度大于矩陣相似參考值，所述示例性標準指標參數分布矩陣與所述示例性標準指標參數分布矩陣對應的示例性第二指標參數分布矩陣之間的矩陣相似度小于所述矩陣相似參考值。

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泰鉑(上海)環?？萍脊煞萦邢薰?/a>，其通訊地址為：201540 上海市金山區金舸路288號12幢；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”。