发明创造名称：一种获取预警阈值的方法及装置
外观设计名称：
决定号：196031
决定日：2019-11-26
委内编号：1F279230
优先权日：
申请（专利）号：201610618224.8
申请日：2016-08-01
复审请求人：陈包容
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：郭琼
合议组组长：左一
参审员：张巍
国际分类号：G06Q10/04，G06Q10/08，G06Q30/02
外观设计分类号：
法律依据：专利法第22条第3款
决定要点：如果一项权利要求请求保护的技术方案相对于最接近的对比文件存在区别特征，但这些区别特征属于本领域的公知常识，本领域技术人员在该最接近的对比文件公开内容基础上结合公知常识得到该权利要求请求保护的技术方案是显而易见的，则该项权利要求请求保护的技术方案不具备突出的实质性特点和显著的进步，不具有创造性。
全文：
本复审请求涉及申请号为201610618224.8，名称为“一种获取预警阈值的方法及装置”的发明专利申请（下称本申请）。申请人为陈包容。本申请的申请日为2016年08月01日，公开日为2016年12月14日。
经实质审查，国家知识产权局实质审查部门于2019年04月10日发出驳回决定，驳回了本申请，驳回决定引用的对比文件为对比文件1：CN101916998A，公开日为2010年12月15日。驳回决定所依据的文本为：2019年02月12日提交的权利要求第1-8项、申请日2016年08月01日提交的说明书第1-59段、说明书附图1-3、说明书摘要、摘要附图。其理由是：本申请权利要求1-8相对于对比文件1和本领域公知常识的结合不具备专利法第22条第3款规定的创造性。驳回决定所针对的权利要求书如下：
“1. 一种获取预警阈值的方法，其特征在于，包括：
获取预警指标；
建立与所述预警指标对应的支持向量机预测模型包括：
获取与所述预警指标对应的训练样本；
根据所述训练样本训练支持向量机模型，获得支持向量机预测模型；
根据所述支持向量机预测模型获取与所述预警指标对应的预警阈值。
2. 根据权利要求1所述的获取预警阈值的方法，其特征在于，获取与所述预警指标对应的训练样本包括：
预设与所述预警指标关联的影响因素条目；
获取与所述预警指标对应的预警样本阈值，以及与所述预警样本阈值对应的属性值，其中，所述属性值为根据所述影响因素条目采集的与所述预警样本阈值对应的结果；
将所述预警样本阈值以及与所述预警样本阈值对应的属性值作为与所述预警指标对应的训练样本。
3. 根据权利要求2所述的获取预警阈值的方法，其特征在于，获取与所述预警指标对应的训练样本之后，根据所述训练样本训练支持向量机模型之前还包括：
对所述训练样本进行归一化处理。
4. 根据权利要求3所述的获取预警阈值的方法，其特征在于，所述影响因素条目包括：时间、地点、天气、地域发展水平、节日、促销活动、人员、规模、历史数据、同行参照指标因素条目中的一种或多种。
5. 根据权利要求4所述的获取预警阈值的方法，其特征在于，根据所述支持向量机预测模型获取与所述预警指标对应的预警阈值包括：
采集与所述预警指标关联的影响因素条目对应的影响值；
将所述影响值输入所述支持向量机预测模型，获得与所述预警指标对应的预警阈值。
6. 一种获取预警阈值的装置，其特征在于，
预警指标获取装置，用于获取预警指标；
预测模型建立装置，用于建立与所述预警指标对应的支持向量机预测模型；
预警阈值获取装置，用于根据所述支持向量机预测模型获取与所述预警指标对应的预警阈值。
7. 根据权利要求6所述的获取预警阈值的装置，其特征在于，所述预测模型建立装置包括：
训练样本获取装置，用于获取与所述预警指标对应的训练样本；
训练装置，用于根据所述训练样本训练支持向量机模型，获得支持向量机预测模型。
8. 根据权利要求7所述的获取预警阈值的装置，其特征在于，所述训练样本获取装置包括：
影响因素条目预设装置，用于预设与所述预警指标关联的影响因素条目；
属性值获取装置，用于获取与所述预警指标对应的预警样本阈值，以及与所述预警样本阈值对应的属性值，其中，所述属性值为根据所述影响因素条目采集的与所述预警样本阈值对应的结果；
确定装置，用于将所述预警样本阈值以及与所述预警样本阈值对应的属性值作为与所述预警指标对应的训练样本。”
申请人（下称复审请求人）对上述驳回决定不服，于2019年04月13日向国家知识产权局提出了复审请求，未修改申请文件。
经形式审查合格，国家知识产权局于2019年04月24日依法受理了该复审请求，并将其转送至实质审查部门进行前置审查。
实质审查部门在前置审查意见书中坚持驳回决定。
复审请求人于2019年05月15日提交意见陈述书，认为：对比文件1中的支持向量机预测模型，与本申请权利要求1请求保护的技术方案中的支持向量机预测模型，都是属于支持向量机的具体应用发明，因此对于本申请权利要求1请求保护的技术方案而言，支持向量机预测模型的建立方法并不构成本申请的区别技术特征，本申请权利要求1请求保护的技术方案与对比文件1公开的内容相比，实际区别技术特征在于：获取预警指标，建立与预警指标对应的支持向量机预测模型，根据所建立的模型预测与预警指标对应的预警阈值。基于上述区别技术特征，确定本申请权利要求1实际所要解决的技术问题是：如何自动生成与预警指标对应且具有自适应调整功能的预警阈值。而目前现有技术中“预警阈值的获取主要是根据主观经验通过人工进行设置的”属于公知常识，所以采用“建立与预警指标对应的支持向量机预测模型，根据所建立的模型获取与预警指标对应的预警阈值”的技术方案，以实现自动生成与预警指标对应且具有自适应调整力能的预警阈值的技术目的，并不属于本领域的公知常识，因此不存在技术启示。
随后，国家知识产权局成立合议组对本案进行审理。
合议组于2019年09月27日向复审请求人发出复审通知书，复审通知书所针对的文本与驳回决定所针对的文本相同，引用的对比文件也与驳回决定引用的对比文件相同，复审通知书指出：本申请权利要求1-8相对于对比文件1和本领域公知常识的结合不具备专利法第22条第3款规定的创造性，并针对复审请求人的意见进行了回复。
复审请求人于2019年09月27日提交了意见陈述书，但未修改申请文件。复审请求人认为：尽管对比文件1中公开了针对风电功率指标所建立的用于预测风电功率的支持向量机预测模型的建立方法，但是对比文件1并没有公开针对预警指标所建立的用于预测预警阈值的支持向量机预测模型的建立方法，而支持向量机预测模型作为一类按监督学习方式对数据进行二元分类的广义线性分类器，其建立方法本身属于现有技术，所以，对比文件1中的支持向量机预测模型，与本申请权利要求1请求保护的技术方案中的支持向量机预测模型，都是属于支持向量机的具体应用发明，因此对于本申请权利要求1请求保护的技术方案而言，支持向量机预测模型的建立方法并不构成本申请的区别技术特征，而本申请权利要求1请求保护的技术方案与对比文件1公开的内容相比，实际区别技术特征在于：获取预警指标，建立与预警指标对应的支持向量机预测模型，根据所建立的模型预测与预警指标对应的预警阈值。基于上述区别技术特征，确定本申请权利要求1实际所要解决的技术问题是：如何自动生成与预警指标对应且具有自适应调整功能的预警阈值。而目前现有技术中“预警阈值的获取主要是根据主观经验通过人工进行设置的”属于公知常识，所以采用“建立与预警指标对应的支持向量机预测模型，根据所建立的模型获取与预警指标对应的预警阈值”的技术方案，以实现自动生成与预警指标对应且具有自适应调整力能的预警阈值的技术目的，并不属于本领域的公知常识，因此不存在技术启示。
在上述程序的基础上，合议组认为本案事实已经清楚，可以作出审查决定。
决定的理由
审查文本的认定
复审请求人在复审阶段未提交申请文件修改替换页，本复审请求审查决定所针对的文本与驳回决定和复审通知书所针对的文本相同，即：2019年02月12日提交的权利要求第1-8项、申请日2016年08月01日提交的说明书第1-59段、说明书附图1-3、说明书摘要、摘要附图。
（二）具体理由的阐述
专利法第22条第3款规定：创造性，是指与现有技术相比，该发明具有突出的实质性特点和显著的进步，该实用新型具有实质性特点和进步。
本复审决定引用的对比文件与驳回决定和复审通知书所引用的对比文件相同，即，
对比文件1：CN101916998A，公开日为2010年12月15日。
1、权利要求1要求保护一种获取预警阈值的方法。对比文件1公开了一种基于支持向量机的风电功率预测装置进行预测的方法，并具体公开了以下内容（参见对比文件1说明书第[0005]-[0088]段及附图1-6）：利用基于支持向量机模型进行预测风电功率（相当于获取预测指标，建立与预测指标对应的支持向量机预测模型），将分类后的训练样本集和能量管理模块获得的功率数据作为支持向量机预测模型的输入量，利用支持向量机预测模型进行风电功率预测（相当于根据所述支持向量机预测模型获取与所述预测指标对应的预测值）；确定训练样本集到聚类中心的距离，得到距离最短的一类训练样本作为训练样本集所属类别，将该类包含的训练样本集作为支持向量机预测模型预测的训练样本集（相当于获取对应的训练样本，根据所述训练样本训练支持向量机模型，获得支持向量机预测模型）。由此，权利要求1与对比文件1的区别在于：本申请应用于获取预警阈值，建立预警指标对应的模型获得预警阈值。基于上述区别，可以确定权利要求1实际解决的问题为如何获取预警阈值。
对于上述区别特征，对比文件1公开了预测风电功率值的方法，对本领域技术人员而言，对比文件1并未限定其预测方法用于任何其他领域，而预警阈值领域是本专利申请日之前的公知领域，将对比文件1的预测方法应用于该公知领域进行预警阈值预测，通过建立预警指标对应的支持向量机模型来预测获得预警阈值其所产生的技术效果是基于对比文件1能够直接预知的。合议组注意到，复审请求人一再强调本申请基于应用到具体预警阈值领域而应当具备创造性，对此，合议组认为，根据审查指南中关于转用发明的特别规定，对于这种类型的发明，主要考虑转用是否成产生预料不到的技术效果，或者是否克服了原技术领域未曾遇到的困难，本申请并不符合这两种情况，因此合议组并不认为本申请能够达到发明专利所要求的创造性高度。由此可见，在对比文件1的基础上结合公知常识得到权利要求1的方案，对本领域技术人员来说是显而易见的。权利要求1所要求保护的方案不具备突出的实质性特点和显著地进步，不符合专利法第22条第3款有关创造性的规定。
2、从属权利要求2引用权利要求1。对比文件1公开了（参见对比文件1说明书第[00015]-[0062]段及附图1-6）：采用数据采集模块采集预测日的气象信息（相当于预设影响因素条目）形成训练样本集，将训练样本集按聚类中心的距离进行分类，将分类后的训练样本集和能量管理模块获得的功率数据作为支持向量机预测模型的输入量，利用支持向量机预测模型进行风电功率预测。由此在利用支持向量机预测预警阈值时，本领域技术人员容易想到预设与所述预警指标关联的影响因素条目，获取与所述预警指标对应的预警样本阈值，以及与所述预警样本阈值对应的根据所述影响因素条目采集的与所述预警样本阈值对应的结果属性值，将预警样本阈值以及与预警样本阈值对应的属性值作为与预警指标对应的训练样本进行训练。由此可见，当其所引用的权利要求1不具备创造性时，权利要求2也不符合专利法第22条第3款有关创造性的规定。
3、从属权利要求3引用权利要求2。对比文件1公开了（参见对比文件1说明书第[0062]段及附图1-6）：训练样本输入一般包括以下几类：利用公式(1)处理预测日之前与预测日的预测时刻数据；A＝{0.49125，0.78，0.75375，0.83，0.68125，0.82625，0.41125，0.8925，0.88875，0.415，0.8075，0.86，0.8375，0.4825，0.8125}为预测日之前预测时刻输出归一化数据（相当于获取与所述预警指标对应的训练样本之后，根据所述训练样本训练支持向量机模型之前还包括：对所述训练样本进行归一化处理）。由此可见，当其所引用的权利要求2不具备创造性时，权利要求3也不符合专利法第22条第3款有关创造性的规定。
4、从属权利要求4引用权利要求3。对比文件1公开了（参见对比文件1说明书第[0015]、 [0062]段及附图1-6）采用数据采集模块采集预测日的气象信息（相当于预设影响因素条目）形成训练样本集。并且，在本领域中，影响因素条目包括时间、地点、地域发展水平、节日、促销活动、人员、规模、历史数据、同行参照指标因素条目是本领域的公知常识。由此可见，当其所引用的权利要求3不具备创造性时，权利要求4也不符合专利法第22条第3款有关创造性的规定。
5、从属权利要求5对权利要求4进行了进一步限定。对比文件1公开了（参见对比文件1说明书第[0015]-[0088]段及附图1-6）：采用数据采集模块采集预测日的气象信息（相当于采集影响因素条目对应的影响值）形成训练样本集，将训练样本集按聚类中心的距离进行分类，将分类后的训练样本集和能量管理模块获得的功率数据作为支持向量机预测模型的输入量，利用支持向量机预测模型进行风电功率预测（相当于将所述影响值输入所述支持向量机预测模型，获得预测值）。本领域技术人员在预测预警阈值时容易想到将该方法应用于预警阈值预测，通过建立预警指标对应的支持向量机模型，输入相应影响值来预测获得预警阈值。由此可见，当其所引用的权利要求4不具备创造性时，权利要求5也不符合专利法第22条第3款有关创造性的规定。
6、权利要求6-7要求保护一种获取预警阈值的装置，其各个组成部分所实现的功能与权利要求1的方法步骤相对应，而设置相应的装置来实现相应的功能，属于本领域的公知常识。基于与上述权利要求1相类似的理由，权利要求6-7也不符合专利法第22条第3款有关创造性的规定。
7、权利要求8要求保护一种获取预警阈值的装置，其与权利要求2的方法步骤相对应，而设置相应的装置来实现相应的功能，属于本领域的公知常识。基于与上述权利要求2相类似的理由，权利要求8也不符合专利法第22条第3款有关创造性的规定。
（三）对复审请求人相关意见的评述
对于复审请求人的意见，合议组认为：对比文件1公开了（参见对比文件1说明书第[0015]-[0088]段及附图1-6）公开了预测风电功率值的方法，利用基于支持向量机模型进行预测风电功率，将分类后的训练样本集和能量管理模块获得的功率数据作为支持向量机预测模型的输入量，利用支持向量机预测模型进行风电功率预测；确定训练样本集到聚类中心的距离，得到距离最短的一类训练样本作为训练样本集所属类别，将该类包含的训练样本集作为支持向量机预测模型预测的训练样本集。即对比文件1公开了建立对应的支持向量机预测模型，根据所述支持向量机预测模型获取与所述预测指标对应的预测值，获取对应的训练样本，根据所述训练样本训练支持向量机模型，获得支持向量机预测模型。本申请也是将获取动态自适应预警阈值的问题转化为预测问题，从而，本领域技术人员容易想到将该方法应用于预警阈值预测，通过建立预警指标对应的支持向量机模型来预测获得预警阈值，实现复审请求人声称的自适应调整功能的预警阈值。因此，合议组对于复审请求人的意见不予支持。
三、决定
维持国家知识产权局于2019年04月10日对本申请作出的驳回决定。
如对本复审请求审查决定不服，根据专利法第41条第2款的规定，复审请求人可以自收到本决定之日起三个月内向北京知识产权法院起诉。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
