-
公开(公告)号：CN105571217A
公开(公告)日：2016-05-11
申请号：CN201610115934.9
申请日：2016-03-01
Applicant: 南京信息工程大学
CPC classification number: F25B41/067 , F25B41/04
Abstract: 本发明公开一种仿生人工喉节能器电冰箱节能保压系统，包括压缩机、冷凝器、干燥过滤器、毛细管和蒸发器；所述压缩机与冷凝器连接，冷凝器与干燥过滤器连接，干燥过滤器与毛细管连接，毛细管与蒸发器连接，蒸发器与压缩机连接，组成制冷循环系统；所述冷凝器的末端通向干燥过滤器的管路上，设置有节能保压装置，该节能保压装置为可切断制冷循环系统的重力单向阀。本发明在冷凝器末端加装重力单向节能阀，当压缩机停机后，重力单向阀在干燥过滤器内,利用自身重力与阀门两侧的气压差，自动切断热循环系统，使外界高温无法随系统循环返回制冷室，防止冷量流失，有效降低压缩机能量损耗，提高效率。
-
公开(公告)号：CN104008197A
公开(公告)日：2014-08-27
申请号：CN201410265975.7
申请日：2014-06-13
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 针对现有的WFCM算法在聚类时没有考虑样本硬划分实际情况，FCS算法没有考虑硬划分边界点的情况以及忽略样本特征参数对聚类影响的问题，本发明公开了一种特征加权的模糊紧致散布聚类方法。本发明通过对样本隶属度、特征权重进行调整，遵循了样本硬划分的实际情况，并充分考虑样本特征参数对样本划分的影响，尽可能使得样本类内紧致、类间分散，解决了位于硬划分边界的样本隶属度问题，对于噪声数据和异常数据实现了更有效的划分。聚类性能良好，收敛速度快、迭代效率高。实验证明，本算法聚类性能良好，收敛速度快、迭代效率高。与现有方法相比，本发明聚类准确率高，耗时明显减少，适于应用在工业控制中实时性要求高的场合。
-
公开(公告)号：CN103096442A
公开(公告)日：2013-05-08
申请号：CN201310001911.1
申请日：2013-01-04
Applicant: 南京信息工程大学
CPC classification number: Y02D70/00
Abstract: 本发明提出了无线传感器网络中节点电池恢复和能量搜集方法，所述方法利用占空周期设计，安排节点工作状态、缓冲状态、睡眠状态下节点的电池恢复和能量搜集方法，所述方法利用缓冲状态下，节点没有数据传输时进行电量恢复，能够保证在有限时间里最大限度的恢复效果；在睡眠状态下的节点，除了电池恢复，同时进行RF能量收集，将电池恢复和RF能量搜集结合起来，达到最大可能的能量优化。
-
公开(公告)号：CN102694855A
公开(公告)日：2012-09-26
申请号：CN201210158517.4
申请日：2012-05-21
Applicant: 南京信息工程大学
CPC classification number: Y02D70/10
Abstract: 本发明公开了基于北斗卫星的气象灾害预警信息发布系统及方法。所述预警信息发布系统包括预警信息发布平台、北斗短报文通信发布端、短报文处理模块、监控模块、区域识别模块、北斗预警信息发布模块、北斗专用接收终端，具有体积小，功耗低，实时性高的优点。预警信息发布方法中：短报文处理模块对北斗短报文预处理得到的待发布的预警信息；监控模块监控北斗专用接收终端位置信息；北斗预警信息发布模块根据位置信息发布预警信息。本发明对子数据包的自适应分组预处理提高了预警信息传输的灵活性，动态编码避免了编码树因为符号编码的改变而不满足最小加权路径长度条件的缺陷；利用补包流程和包查询流程增加了业务预警信息数据传输的差错检测功能。
-
公开(公告)号：CN101826926A
公开(公告)日：2010-09-08
申请号：CN201010135535.1
申请日：2010-03-30
Applicant: 南京信息工程大学
IPC: H04H40/90
Abstract: 本发明公开了一种DAB灾害信息预警接收机地址码自动获取识别方法，包括如下步骤：对DAB灾害信息预警接收机可能工作的区域划分为n×m个等大小的矩形区域；用向量[n，m]分别表示每个矩形区域的地址码；通过卫星定位系统将灾害可能发生区域的地址码信息加载到灾害预警信息数据帧中并发送；DAB灾害信息预警接收机接收后通过解码获得所处区域的区域地址码；DAB灾害信息预警接收机通过比较自身的区域地址码和预警信息数据帧加载的地址码自动选择接收或放弃预警信息。本发明通过北斗卫星定位信息自动计算并预设DAB灾害信息预警接收机地址码可以省去使用人员手工设置地址码的过程，也使信息的接收更加准确、有效。
-
Patent Agency Ranking
公开(公告)号：CN118336721A
公开(公告)日：2024-07-12
申请号：CN202410753423.4
申请日：2024-06-12
Applicant: 南京信息工程大学
IPC: H02J3/00 , G06F18/213 , G06F18/15 , G06F18/25 , G06F18/2431 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06Q50/06 , G06F123/02
Abstract: 本发明提供了基于小波包分解和ConvLSTM的电力负荷预测方法，所述方法采用小波包分解模块分解电力负荷数据得到多个表示不同时序规律的子序列数据，将气象要素、用地类型以及子序列数据作为多源融合数据输入赋权耦合Conv‑LSTM网络中，使用赋权耦合模块计算通道赋权特征，进行电力负荷预测。在相同条件下，本方法能够实现更准确的电力负荷短期预测，评价指标MAPE达到2.73，与其他主流方法相比整体预测性能显著提升。
-
公开(公告)号：CN118228003A
公开(公告)日：2024-06-21
申请号：CN202410639425.0
申请日：2024-05-22
Applicant: 南京信息工程大学
IPC: G06F18/20 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/045 , G06N3/08 , G06Q50/26 , G01W1/10
Abstract: 本发明提供了融合中大尺度环流数据的长江流域次季节降水预测方法，包括：步骤1，获取具有相同时空分辨率的降水格点数据和大气环流气象因子数据；步骤2，将步骤1获取的数据进行要素维度定义和聚合处理；步骤3，构建原始预测模型；步骤4，对原始预测模型进行训练；步骤5，利用验证集来评估模型的性能，得到训练完成的定量预测次季节降水的模型；步骤6，通过定量预测次季节降水的模型得到整个长江流域的次季节降水数据。针对长江流域受大气环流气候时滞影响显著的情况，本发明通过深入学习并捕捉这些影响因素的特征和权重，实现了对次季节降水预测效果的提升。
-
公开(公告)号：CN116992249B
公开(公告)日：2024-01-23
申请号：CN202311272138.2
申请日：2023-09-28
Applicant: 南京信息工程大学
IPC: G06F18/20 , G01W1/10 , G06N3/0442 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于FMCNN‑LSTM的格点预报偏差订正方法，首先获取预报数据和观测数据，在数据预处理阶段，将两种数据插值到同一分辨率，并对预报数据进行空间合并化处理；随后将数据进行序列化和归一化处理；在构建深度学习神经网络结构阶段。本发明通过构建一个包含CNN卷积和LSTM层的神经网络进行预报订正，能够更加准确地订正预报数据趋势；在训练时，本发明将预报数据和ERA5转化为适合神经网络训练的格式，并使用MSE损失函数和Adam优化器进行模型的训练；本发明所述方法能够适应不同的气象环境，可广泛应用于气象预报、农业生产等领域，提高气象预报准确性和生产效率。(56)对比文件Jingming Xia等.A Deep Learning MethodIntegrating Multisource Data for ECMWFForecasting Products Correction《.IEEEGeoscience and Remote Sensing Letters》.2023,1-5.李紫丁.基于深度学习的气象要素格点预报模式订正《.中国优秀硕士学位论文全文数据库(基础科学辑)》.2019,(第12期),A009-15.Yi-Ming Zhang等.Multi-head attention-based probabilistic CNN-BiLSTM for day-ahead wind speed forecasting《.Energy》.2023,第278卷1-12.
-
公开(公告)号：CN117233869A
公开(公告)日：2023-12-15
申请号：CN202311516084.X
申请日：2023-11-15
Applicant: 南京信息工程大学
IPC: G01W1/10 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于GRU‑BiTCN的站点短期风速预测方法，包括：获取设定时间窗口内的待预测目标站点的站点历史气象数据、待预测目标站点周围 个格点的格点历史气象数据，以及获取设定时间窗口内的各格点的地形历史数据；对获取到的站点历史气象数据、格点历史气象数据和地形历史数据进行归一化处理；将归一化后的格点历史气象数据和归一化后的地形历史数据进行拼接，得到第一拼接数据；将第一拼接数据按照时间步长划分成多个批次，按照时间顺序，将多个批次依次输入至训练好的GRU‑BiTCN模型中，同时将归一化后的站点历史气象数据输入至训练好的GRU‑BiTCN模型中，由训练好的GRU‑BiTCN模型输出在设定时间窗口后一个时间步长时，待预测目标站点的风速预测值。
-
公开(公告)号：CN116451881B
公开(公告)日：2023-08-22
申请号：CN202310715521.4
申请日：2023-06-16
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于MSF‑Net网络模型的短时降水预测方法，包括：生成降水预测数据集；基于MSF‑Net网络构建原始预测模型，所述原始预测模型包括输入模块、气象特征提取模块、注意力融合预测模块和输出模块；使用降水预测数据集对原始预测模型进行训练；利用损失函数计算原始预测模型的损失，优化训练网络参数，得到训练完成的短时降水预测模型；将实时获取的研究区域内的GPM降水格点数据、ERA5气象因子数据、多普勒雷达真彩色基本反射率图数据和DEM高程数据输入到短时降水预测模型中，输出相应的短时降水预测结果。本发明有效融合降水实况和多源数据，实现了短时降水预测效果的提升。
-
-
-
-
-
-
-
-
-
Search Results
135
records
(took 0.032 seconds)
