公开(公告)号：CN118646001A

公开(公告)日：2024-09-13

申请号：CN202410848107.5

申请日：2024-06-27

申请人： 三峡大学

发明人： 盛冠群 ,  陈萌 ,  陈昱全 ,  明华军 ,  孟荣华 ,  周彬 ,  汤婧

IPC分类号： H02J3/00 ,  G06F18/214 ,  G06F18/213 ,  G06F18/2132 ,  G06F18/22 ,  G06F18/20 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/0475 ,  G06N3/08

摘要： 本发明涉及基于DDPM和BVAE的短期电力负荷预测方法，包括：确定电力负荷的影响因素，获取包含影响因素的数据集；将数据集划分为输入数据X与电力负荷预测目标标签Y，采用DDPM模型对X与Y进行扩散前向加噪；利用BVAE模型提取输入数据中的特征数据，得到潜在变量矩阵；构建正交相似度矩阵，并引入正交正则化项，以最小化正交正则化项作为优化目标，利用BVAE得到电力负荷预测数据；采用去噪分数匹配方法优化电力负荷预测结果，对比含噪声的预测与能量函数的梯度，根据所述梯度对含噪声的电力负荷预测结果进行重构，得到最终的电力负荷预测数据。本发明构建了DDPM‑BVAE神经网络模型，作为预测模型，增强了潜在特征的提取，实现了多影响因素的电力负荷的精确预测。

公开(公告)号：CN117274098A

公开(公告)日：2023-12-22

申请号：CN202311273860.8

申请日：2023-09-28

申请人： 三峡大学

发明人： 孙航 ,  罗智明 ,  任东 ,  余梅 ,  任顺 ,  盛冠群

IPC分类号： G06T5/00 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

摘要： 一种基于U‑Net的部分孪生去雾网络的构造方法，该框架包含两个权值共享的子网络，通过将有雾图像输入第一个子网络进行去雾后再将生成的图像作为去雾先验信息传给第二个子网络，第二个子网络通过输入有雾图像和先验指导信息能够拥有更强的去雾能力和图像重构能力。此外，本发明在该框架的子网络中设计了一个双编解码模块。给子网络输入有雾图像，进行卷积下采样分别得到编码特征，之后通过二次编码模块将编码特征进行二次编码并特征融合得到融合后的二次编码特征。将上一步得到的融合后的二次编码特征通过二次解码模块，之后将得到的二次解码特征分别与编码阶段、解码阶段对应尺度的特征相融合，再通过上采样得到最终的去雾图像。

公开(公告)号：CN118249331A

公开(公告)日：2024-06-25

申请号：CN202410318482.9

申请日：2024-03-18

申请人： 三峡大学

发明人： 徐守志 ,  赵东鹏 ,  李碧涛 ,  盛冠群 ,  姜梦颖 ,  孙浩雯 ,  李浩 ,  阳龙 ,  柯阳

IPC分类号： H02J3/00 ,  G06Q10/04 ,  G06Q50/06 ,  G06F18/27 ,  G06F18/214 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0499 ,  G06N3/084

摘要： 本发明公开了一种基于NeuralProphet和Bi‑GRU‑SA组合模型的电力负荷预测方法，涉及电力系统电力负荷预测技术领域，对原始数据进行预处理，包括清洗异常数据和缺失值填充；构建NeuralProphet模型，分别添加趋势项、周期项、节假日项、自回归项、滞后回归项和未来回归项；构建Bi‑GRU‑SA模型，包含Bi‑GRU层、自注意力层和全连接层；通过设计的PWSMAPE损失函数分别独立对两个模型进行训练和预测，然后依据PWSMAPE指标指导子模型权重配置，进行权重的分配和调整，形成组合预测结果。本发明采用上述结构的一种基于NeuralProphet和Bi‑GRU‑SA组合模型的电力负荷预测方法，适用于具有时序特征的电力负荷预测，具有出色的准确性、解释性和稳定性，为电力系统运营商提供精准且全面的数据支持，推动电网系统的智能化和高效运作。

公开(公告)号：CN117996719A

公开(公告)日：2024-05-07

申请号：CN202311783344.X

申请日：2023-12-22

申请人： 三峡大学 ,  三峡国际招标有限责任公司 ,  国网经济技术研究院有限公司

发明人： 盛冠群 ,  张柱卡 ,  雷定坤 ,  刘娜 ,  汤婧

IPC分类号： H02J3/00 ,  G06Q10/04 ,  G06Q50/06 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

摘要： 基于ECELNet的多变量电力负荷预测方法，它包括以下步骤，步骤一：获取历史电力负荷数据和气象因素数据，并将所获取的数据分为训练样本集和测试样本集；步骤二：将训练样本集进行归一化，得到归一化后的样本集；步骤三：输入归一化后的训练样本集到ELECNet模型中，得到已训练的模型；步骤四：将待测的电力负荷资料输入到已训练好的模型中，输出预测的电力负荷数据。本发明的目的是为了解决现有技术存在的由于多变量电力负荷的随机性、波动性大，而且参数多、非线性关系复杂，传统方法难以处理高维数据，导致预测电力负荷的速度较慢，且预测精度不高的技术问题，而提出的基于ECELNet的多变量电力负荷预测方法。

公开(公告)号：CN117370793A

公开(公告)日：2024-01-09

申请号：CN202311149096.3

申请日：2023-09-05

申请人： 三峡大学

发明人： 盛冠群 ,  谈云志 ,  王向雨 ,  唐新功 ,  谢凯 ,  汤婧

IPC分类号： G06F18/214 ,  G06F18/213 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094

摘要： 一种基于改进WGAN‑GP和MS‑PickingNet的微地震信号初至拾取方法，步骤为：步骤一、将微地震信号样本输入到改进WGAN‑GP网络中，加入随机高斯噪声信号条件，通过生成对抗模型来生成大量训练样本集，对小样本数据集扩容；步骤二、利用改进WGAN‑GP完成扩充后，将训练样本作为输入，对MS‑PickingNet进行训练；步骤三、将待拾取微地震信号输入已训练好的MS‑PickingNet中，输出微地震信号初至拾取结果。本发明不仅解决微地震信号小样本问题，还解决微地震信号信噪比低问题，提高微地震初至拾取结果的精度。

公开(公告)号：CN116990860A

公开(公告)日：2023-11-03

申请号：CN202310751734.2

申请日：2023-06-25

申请人： 三峡大学

发明人： 盛冠群 ,  王倩芳 ,  谈云志 ,  唐新功 ,  谢凯 ,  汤婧

IPC分类号： G01V1/28 ,  G01V1/30

摘要： 联合SimMatch与改进TransUGA的半监督微震初至智能拾取方法，Step1、获取微地震资料中的真实带标记信号，生成不同主频、不同速度下的正演模拟信号；Step2、利用真实信号和生成的模拟信号制作成原始数据集，将制作的原始数据集输入到构建的UGATIT生成对抗网络中，通过生成器和判别器相互博弈，生成伪信号样本，筛选出生成的伪真实信号样本；Step3、将原始带标记数据和UGATIT生成对抗网络生成的无标签样本作为新的数据集，对改进的TransUNet网络进行半监督训练；Step4、得到训练好的TransUNet网络和高置信度伪标签；Step5、将待测微地震资料输入到已训练的TransUNet网络中，对初至信号进行拾取。有效解决人工标注数据效率低、低信噪比下初至信号拾取精度差、从小样本数据中学习信号特征难等问题。

公开(公告)号：CN116644748A

公开(公告)日：2023-08-25

申请号：CN202310417013.8

申请日：2023-04-17

申请人： 三峡大学 ,  中国地质大学(武汉)

发明人： 马凯 ,  郑帅 ,  谢忠 ,  邱芹军 ,  任东 ,  盛冠群

IPC分类号： G06F40/295 ,  G06F40/30 ,  G06F16/36 ,  G06N5/02 ,  G06F16/35 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/08

摘要： 本发明提供一种基于地质预训练模型的命名实体识别方法及系统，包括步骤：构建特征适配器，通过特征适配器对汉字特征向量集合与文本语义向量集合进行适配融合，获得强化的文本语义向量集合；构建知识融合器，通过知识融合器对知识语义向量集合与强化的文本语义向量集合进行融合，获得融合语义向量集合；通过融合语义向量集合与四项预训练任务对地质预训练模型进行参数调优，得到最终的地质预训练模型。本发明提出了一种特征适配器，将汉字特征在预训练阶段融入地质预训练模型，通过汉字特征辅助模型对语义的学习；提出了一种知识融合器，将地质知识图谱融入到地质预训练模型中，从而对地质预训练模型进行知识增强。

公开(公告)号：CN116299676A

公开(公告)日：2023-06-23

申请号：CN202310217895.3

申请日：2023-03-08

申请人： 三峡大学

发明人： 盛冠群 ,  王向雨 ,  唐新功 ,  马凯 ,  谢凯 ,  汤婧

IPC分类号： G01V1/28

摘要： 本发明提供一种基于改进WGAN‑GP和Picking‑Net的微地震信号初至拾取方法，步骤一，将干净的微地震信号样本输入到改进WGAN‑GP中，加入随机高斯噪声信号条件，通过生成对抗模型，来生成大量训练样本集，对小样本数据集扩容；步骤二，利用改进WGAN‑GP完成扩充后的训练样本作为输入对Picking‑Net进行训练；步骤三，将待初至拾取的微地震信号输入已训练好的Picking‑Net，输出拾取后的初至信号。

公开(公告)号：CN116088043A

公开(公告)日：2023-05-09

申请号：CN202310050424.8

申请日：2023-02-01

申请人： 三峡大学

发明人： 盛冠群 ,  张峥嵘 ,  唐新功 ,  马凯 ,  谢凯 ,  汤婧

IPC分类号： G01V1/28 ,  G01V1/30 ,  G06F18/10 ,  G06F18/00 ,  G06N3/08 ,  G06N3/0464

摘要： 本申请提供一种基于深度学习的微地震剖面去噪方法，步骤一，将一批无噪声的剖面和噪声信号输入到条件生成对抗网络（cGAN）的生成器中，并给定生成器约束条件，从而获得用来训练的含噪剖面；鉴别器接收真实剖面和从生成器生成的剖面，并给鉴别器约束条件，利用鉴别器和生成器之间的相互博弈生成更加真实的剖面，进而达到扩容数据集的目的；步骤二，将X^0,0输入主网络，输出网络的噪声预测X^0,4。主网络由UNet++的结构为主体，融合了Clique block结构；步骤三，将噪声预测X^0,4与网络输入X^0,0进行残差学习R(•)，得到去噪后的剖面；步骤四，将待去噪的微地震剖面通过该网络，输出去噪后的剖面，解决了微地震监测时信号中去除随机噪声的问题。

公开(公告)号：CN115113269A

公开(公告)日：2022-09-27

申请号：CN202210626537.3

申请日：2022-06-04

申请人： 三峡大学

发明人： 盛冠群 ,  黄文轩 ,  马凯 ,  余梅 ,  郑悦林 ,  孙航 ,  汤婧

IPC分类号： G01V1/28 ,  G01V1/30 ,  G01V1/36

摘要： 一种基于UGATIT联合PSPNet的微地震有效信号的初至拾取方法，步骤为：对地下开采活动进行观测，获得真实微地震有效信号；利用有限差分波动方程正演方法生成正演模拟信号；得到的真实微地震信号和正演模拟信号制作成原始数据集，利用UGATIT网络实现“模拟信号‑真实信号”的转换，生成大量真实微地震有效信号数据；将正演模拟信号大量转换为真实微地震信号，选择具有价值的信号进行标注，并将其制成训练集，完成对训练集的扩充；利用扩容后的训练集对改进后的PSPNet网络进行训练；将待测微地震有效信号输入已训练的PSPNet网络，输出预测的概率时间序列，概率最大处时间即为初至时间，拾取微地震有效信号的初至。本发明极大地提高微地震有效信号初至拾取的效率与精度。