-
公开(公告)号：CN108733624A
公开(公告)日：2018-11-02
申请号：CN201810318841.5
申请日：2018-04-11
Applicant: 杭州电子科技大学
Abstract: 本发明公布了一种水质异常数据检测与重构方法。本发明将VMD(Variational Mode Decomposition)算法应用于水质异常数据的检测，克服了EMD(Empirical Mode Decomposition)算法在信号分解中容易产生模态混叠现象的缺点，采用牛顿迭代法寻找最优参数k，改进了传统经验法确定参数k的不足，并结合分段曲线拟合法重构水质异常数据，使本发明方法在水质异常监测领域更具有适用性。
-
公开(公告)号：CN110533238B
公开(公告)日：2022-08-26
申请号：CN201910776617.5
申请日：2019-08-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种二型模糊环境下的危化品车辆路径规划方法。本发明步骤是针对运输风险的不确定性，定义了危化品运输车辆路径规划模型。目标是确定风险最小化的运输路线。由于人员的流动性，本发明在传统运输风险模型的基础上引入了二型模糊变量，根据置信度方法构建了机会约束模型以及其对应的等价确定型。针对模型特性，设计了一种模拟退火算法。提出的SAA以一定的概率来接受一个比当前解要差的解,因此有可能会跳出这个局部的最优解,达到全局的最优解。本发明方法具有开放性、灵活性以及计算复杂度低等特点。
-
公开(公告)号：CN112001436A
公开(公告)日：2020-11-27
申请号：CN202010831036.X
申请日：2020-08-18
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于改进极限学习机的水质分类方法。本发明首先对样本进行主成分分析，并对样本进行k-means聚类；其次对样本进行预处理，同时初始化ELM模型；然后确定文化基因算法参数；最后使用归一化公式对每个评价地区的地表水质参数进行归一化，将它们输入到建立好了的MA-ELM模型中，得到输出结果后再对比与地表水质量各个级别的模拟间隔表得到水质的级别，完成水质分类。本发明的水质分类方法中，使用文化基因算法来优化极限学习机原本随机生成的输入权重和隐藏层神经元阈值，与传统的神经网络方法相比，本发明的分类精度有了较大提升。
-
公开(公告)号：CN108764520A
公开(公告)日：2018-11-06
申请号：CN201810323080.2
申请日：2018-04-11
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多层循环神经网络和D‑S证据理论的水质参数含量预测方法，本发明针对水环境这种具有高维、多峰值、不连续、非凸性等特征的复杂非线性系统，利用水质参数含量的历史数据对深层RNN预测模型进行训练，完成对模型的构造，并对水质参数的未来含量进行初步预测；由于D‑S证据理论能够从数学理论上解决不确定性的问题，因此在RNN模型预测结果的基础上利用D‑S证据理论进行冲突解决和证据融合，提升了单一参数的预测精度，并提高了多参数预警的准确性。
-
公开(公告)号：CN107170219A
公开(公告)日：2017-09-15
申请号：CN201710271638.2
申请日：2017-04-24
Applicant: 杭州电子科技大学
Abstract: 本发明提供了一种移动污染源在线监测系统及方法。本发明包括监测终端，服务器端及Web客户端。监测终端通过3G/4G网络发送采集的信息，服务器端对发送的数据进行接收，并对Web客户端的请求进行响应；用户可以在Web客户端向Web服务器端发送请求，获取监测终端传感器采集的信息，根据监测终端采集的数据，利用GIS时空分析方法结合污染物扩散模型将污染物的时空分布绘制在电子地图上，所述Web客户端包括污染物时空分布显示模块及移动污染源数据报表模块。本发明提供了一种能够对移动污染源实时在线监测的方法，实时性高，精度高，响应迅速，覆盖面广，同时能够通过Web客户端对监测结果进行图形化展示。
-
Patent Agency Ranking
公开(公告)号：CN106991810A
公开(公告)日：2017-07-28
申请号：CN201710271636.3
申请日：2017-04-24
Applicant: 杭州电子科技大学
Abstract: 本发明公布了一种应用于监测终端的多采样率方法。本发明所基于的装置包括道路监控摄像头、尾气检测传感器、数据存储单元、GPRS无线模块、数据分析中心和主控制器。该发明方法自动调节监测终端传感器采样率，实现了对汽车尾气的多采样率监测。本发明对提高设备测量的准确性、减少设备使用成本以及延长设备使用寿命具有重大的意义。
-
公开(公告)号：CN108733624B
公开(公告)日：2021-11-30
申请号：CN201810318841.5
申请日：2018-04-11
Applicant: 杭州电子科技大学
Abstract: 本发明公布了一种水质异常数据检测与重构方法。本发明将VMD(Variational Mode Decomposition)算法应用于水质异常数据的检测，克服了EMD(Empirical Mode Decomposition)算法在信号分解中容易产生模态混叠现象的缺点，采用牛顿迭代法寻找最优参数k，改进了传统经验法确定参数k的不足，并结合分段曲线拟合法重构水质异常数据，使本发明方法在水质异常监测领域更具有适用性。
-
公开(公告)号：CN109521176B
公开(公告)日：2021-08-31
申请号：CN201910089332.4
申请日：2019-01-30
Applicant: 杭州电子科技大学
IPC: G01N33/18
Abstract: 本发明公开了一种基于改进深度极限学习机的虚拟水质监测方法，本发明针对水质监测中监测站点的建设成本高，设备维护繁琐等问题，利用与虚拟监测位置相关的站点的历史数据，提出了一种改进的深度极限学习机用于实现对虚拟位置处的水质预测。在该方法中，为了提取水质监测网络采集到的水质数据中更具不变性的鲁棒性特征，开发出了一种新的深层极限学习机模型，该模型将局部去噪准则和收缩惩罚项引入基于极限学习机的自编码器。然后，在此基础上利用加权极值学习机对虚拟位置处的水质参数实际值进行预测，实现了对未知位置处的水质监测。本发明可以更好地对实时的未知站点处的水质信息进行实时预测，且具有较好的预测准确度。
-
公开(公告)号：CN109492830B
公开(公告)日：2021-08-31
申请号：CN201811541300.5
申请日：2018-12-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的移动污染源排放浓度预测方法，本发明根据移动污染源污染物的区域时空分布特点，提出基于注意力机制的卷积长短期记忆神经网络预测方法。首先，通过分析站点之间的Granger因果关系并开发超参数高斯向量权重函数以确定空间自相关变量作为输入特征的一部分。其次，使用卷积神经网络来提取LSTM网络使用的数据的时空间特征，同时注意力模型分别用于加权特征图和通道以增强特征的有效性。最后，基于深度LSTM的时间序列预测器，用于学习大气污染物浓度的长期和短期依赖性。本发明从历史大气污染物数据中提取固有的有用特征，并将辅助数据纳入所提出的模型中以提高性能，从而浓度预测方法。
-
公开(公告)号：CN109522962B
公开(公告)日：2021-07-13
申请号：CN201811409826.8
申请日：2018-11-23
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种化工厂安全定量评估方法。本发明建立一个基于贝叶斯网络的化工厂安全定量分析研究模型。在该模型中主要从组织、信息、工作设计、人机系统接口、任务环境、工作场所设计和操作员特征七个方面的人因可靠性角度展开详细分析，使用调查问卷和专家判断法，建立化工厂安全指标体系，同时使用贝叶斯网络训练样本。最后运用贝叶斯进行处理和建模，最终估算化工厂安全定量值，判断化工厂的安全等级。本发明具有精确推理、计算快速和评估全面等特点。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.02 seconds)
