-
公开(公告)号：CN113064440B
公开(公告)日：2022-08-02
申请号：CN202110275576.9
申请日：2021-03-15
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于海洋模式的自适应观测方法，步骤一：构建采样背景场；步骤二：构建全局代价函数；步骤三：通过粒子群算法求解采样方案；步骤四：将采样结果用于数据同化；步骤五：更新采样方案。本发明充分利用了区域耦合模式预报数据完成了对海洋移动观测平台采样方案的设计。并将观测结果及时返回到模式中，完成对预报和采样方案的更新，形成闭环。降低了环境变化对采样方案造成的扰动，实现了对有限观测资源的充分利用。在提高了模式预报精度的情况下，增强了采样方案实时性。
-
公开(公告)号：CN114218959A
公开(公告)日：2022-03-22
申请号：CN202111410038.2
申请日：2021-11-25
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种犹豫模糊语言术语集多准则决策方法，包括确定评估指标体系，获取评估矩阵；将评估矩阵Xk和语言权重向量Wk转化为语义区间表示；确定每位专家对准则的主观重要性系数；确定每位专家对准则的客观重要性系数；构造模糊语言术语正负理想解矩阵S+和S‑；构造正负理想偏差矩阵D+和D‑；构造相对亲近度矩阵Rc；聚合每位专家意见，得到方案的综合相对亲近度；依据综合相对亲近度排序，确定最优方案。本发明在多粒度不平衡情形下可以有效应用。方法简便易行，综合了评估准则的主客观重要性系数，使决策过程更加符合实际，从而得到更加合理的决策结果。
-
公开(公告)号：CN113297801A
公开(公告)日：2021-08-24
申请号：CN202110659246.X
申请日：2021-06-15
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06F17/16 , G06F119/14
Abstract: 本发明属于海洋动力环境要素预测技术领域，具体涉及一种基于STEOF‑LSTM的海洋环境要素预测方法。本发明基于大范围、长时间的海洋再分析数据，通过时域多尺度分析和深度学习方法挖掘海洋动力环境要素的规律，构建面向海洋动力环境要素的统计预测模型，以实现海洋动力环境要素的中长期时空统计预报。本发明可以有效弥补传统的数值预报方法由于气象驱动时效限制而导致的海洋动力环境要素预报时效较短的缺陷，且对计算资源的占用较少。大幅度提高了海洋动力环境要素的中长期预测能力，为解决海洋数值预报产品失效后的大范围、长周期海洋动力环境要素预报预测这一技术难题提供技术支撑。并具有较强的科学意义和应用价值。
-
公开(公告)号：CN113065584B
公开(公告)日：2023-04-18
申请号：CN202110300837.8
申请日：2021-03-22
Applicant: 哈尔滨工程大学
IPC: G06F18/2415 , G06F18/22 , G06F18/214
Abstract: 本发明属于信息技术领域，具体涉及一种基于区间数相似性差异构造基本概率赋值的目标分类方法。本发明克服了现有基于区间数模型方法中差异性度量不合理及对已有信息利用率低的问题。本发明采用改进的区间数相似性度量来计算待分类目标与模型之间的差异性，得到比现有方法更合理的差异性度量结果。本发明采用均值与标准差线性组合的建模策略，改善了传统区间数建模数据利用率低的不足的问题，充分利用了数据信息，提高了模型的鲁棒性。本发明方法简单易行，便于操作，降低了复杂度，可广泛应用于工业自动化等领域。
-
公开(公告)号：CN115170943A
公开(公告)日：2022-10-11
申请号：CN202210889544.2
申请日：2022-07-27
Applicant: 哈尔滨工程大学
IPC: G06V20/05 , G06V10/764 , G06V10/82 , G06V10/94
Abstract: 本发明公开了一种基于迁移学习的改进视觉Transformer海底底质声呐图像分类方法，改进视觉Transformer分类方法属于一种深度学习方法。它将图像通过前置卷积处理形成patch，依次通过patch嵌入、位置嵌入transformer编码层和多层感知机输出层后得到分类结果。通过反向传播的方法最小化网络残差，以实现分类器的训练。深度学习目的是学习样本数据的内在规律和表示层次，具有很强的非线性拟合学习能力，能够有效发掘出同类图像之间的共同特征。通过多层编码层的堆叠，网络会逐步学习到全局、局部特征，会主动关注图像中“重要”的部分。
-
Patent Agency Ranking
公开(公告)号：CN113064440A
公开(公告)日：2021-07-02
申请号：CN202110275576.9
申请日：2021-03-15
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于海洋模式的自适应观测方法，步骤一：构建采样背景场；步骤二：构建全局代价函数；步骤三：通过粒子群算法求解采样方案；步骤四：将采样结果用于数据同化；步骤五：更新采样方案。本发明充分利用了区域耦合模式预报数据完成了对海洋移动观测平台采样方案的设计。并将观测结果及时返回到模式中，完成对预报和采样方案的更新，形成闭环。降低了环境变化对采样方案造成的扰动，实现了对有限观测资源的充分利用。在提高了模式预报精度的情况下，增强了采样方案实时性。
-
公开(公告)号：CN113051520A
公开(公告)日：2021-06-29
申请号：CN202110283955.2
申请日：2021-03-17
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于统计观测均权重粒子滤波数据同化方法，获取模式积分初始背景场；判断是否达到统计观测开始时刻；在给定统计观测开始时刻，累计求取观测均值根据统计观测计算提议密度调整集合粒子；在给定同化时刻，使用均权重方法计算粒子权重，调整粒子状态；使用重采样方法，调整集合粒子维持粒子数稳定；计算均权重粒子滤波后的状态后验估计值。本发明利用统计观测代替传统均权重粒子滤波对于未来观测的依赖，通过提议密度在同化时刻之前调整集合粒子靠近统计观测信息，进一步改善均权重粒子滤波同化方法，使用该方法可以有效提高在非高斯，非线性模式下，数据同化的同化质量，可以更好的应用于当前实时数据同化应用领域。
-
公开(公告)号：CN111399384A
公开(公告)日：2020-07-10
申请号：CN202010341001.8
申请日：2020-04-27
Applicant: 哈尔滨工程大学
Abstract: 本发明属于无人舰艇的控制技术领域，具体涉及一种基于动态量化器的远程遥控无人艇航向容错控制方法。本发明有效消除了远程遥控无人艇与控制中心在网络通信过程中，量化器的量化行为对于无人艇性能的影响。本发明设计的量化器参数与容错控制率保证了滑模面的可达性以及无人艇闭环系统的稳定性。本发明充分考虑了无人艇在复杂海洋环境作业时可能出现的舵机磨损与故障情况，结合滑模控制技术抑制了舵机效率下降对于无人艇性能的影响。在通信网络存在量化情形下，提高了远程遥控无人艇航行过程中的可靠性。
-
公开(公告)号：CN109840311A
公开(公告)日：2019-06-04
申请号：CN201910038258.3
申请日：2019-01-14
Applicant: 哈尔滨工程大学
IPC: G06F17/18
Abstract: 基于最优观测时间窗口的耦合数据同化与参数优化方法，属于耦合气候模式系统的数据同化、参数优化与数值预报技术领域。针对传统耦合数据同化与参数优化方法存在的观测资源利用以及状态估计与参数优化精度的不足，本发明结合耦合模式自由积分状态的谱分析获取耦合模式状态的特征时间尺度，依据耦合模式状态的时间尺度设立最优观测时间窗口的大小。在基于最优观测时间窗口获取有效的大气与海洋观测数据的基础上引入观测窗口内时间权重系数，最大程度上提取有效的观测信息以拟合耦合模式状态的特征变率并忽略模式内部参数的时变特征并引入时间窗口内的时间平均系数，实现对模式参数的更加精确的估计与优化，强化耦合模式的大气与海洋的数值预报能力。
-
公开(公告)号：CN109783932A
公开(公告)日：2019-05-21
申请号：CN201910032586.2
申请日：2019-01-14
Applicant: 哈尔滨工程大学
IPC: G06F17/50
Abstract: 一种结合最优观测时间窗口的强耦合数据同化方法，属于耦合气候模式系统的强耦合数据同化与数值预报技术领域。本发明结合耦合模式自由积分状态的谱分析获取耦合模式状态的特征时间尺度，并依据耦合模式状态的时间尺度设立最优观测时间窗口的大小；在基于最优观测时间窗口获取有效的大气与海洋观测数据的基础上，根据大气与海洋状态之间的自相关系数引入观测窗口内相关性权重系数，最大程度上提取有效的观测信息的同时减小时间与相关性差异；在基于最优观测时间窗口的弱耦合同化方案的稳态大气与海洋的耦合相关性系数，在传统强耦合同化方案中引入耦合相关性权重系数，实现对耦合模式状态的更加精确的估计强化耦合模式的大气与海洋的数值预报能力。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.026 seconds)
