-
公开(公告)号：CN114662274A
公开(公告)日：2022-06-24
申请号：CN202111661300.0
申请日：2021-12-31
Applicant: 武汉大学
IPC: G06F30/20 , G06F17/18 , G06F113/08
Abstract: 本文提出了一种基于零膨胀时空回归模型的雪水当量建模和预测方法，主要解决雪水当量与环境因素建模过程中，随积雪时空剧烈变化出现的大量零观测值、雪水当量时间滞后效应、以及空间分布自相关性引起的模型误设、方差膨胀、系数偏移等问题。本发明通过引入时间滞后项并利用广义线性空间回归模型，构建二元回归和连续回归两个部分，来代表判断零值是否存在和非零值的数值估计两个过程，从而将时空效应和零膨胀效应同时考虑进来，提高了雪水当量建模和预测准确性，增强了雪水当量变化过程的分析能力。
-
公开(公告)号：CN114974459B
公开(公告)日：2024-04-16
申请号：CN202210578832.6
申请日：2022-05-25
Applicant: 武汉大学
Abstract: 本发明提供一种PM2.5浓度估算模型的构建方法，该方法利用多源的自然环境和社会因子，进行处理和拼接获得覆盖研究区的各种栅格化影响因子；针对反距离权重型空间权重矩阵和k邻近型空间权重矩阵中的带宽，利用遗传算法得到一组最优带宽，不同的带宽代表各个影响因子的对PM2.5浓度具有不同尺度的空间影响；并基于该最优带宽和空间权重矩阵类型得到多组空间特征向量，构建多尺度特征向量空间滤值变系数模型，将空间特征向量与影响因子分别配对，表示每一影响因子所具有的不同的空间影响，本发明消除了PM2.5浓度的空间自相关效应，提高模型精度，最终得到高精度的地表PM2.5浓度连续分布。
-
公开(公告)号：CN117172134A
公开(公告)日：2023-12-05
申请号：CN202311352195.1
申请日：2023-10-19
Applicant: 武汉大学
IPC: G06F30/27 , G06N3/0464 , G06N3/084 , G06V10/80
Abstract: 本发明提供一种基于融合地形特征的月表多尺度DEM建模方法及系统，属于地形测绘技术领域，包括：获取月表南极LOLA DEM数据和LROC NAC DEM数据，确定多个高分辨率DEM数据集和多个低分辨率DEM数据集；将残差融合卷积神经网络应用于DEM精细建模，得到多级分辨率DEM模型；利用地形特征结合神经网络重构高分辨率DEM，构造地形特征相关损失函数，进而重建出月球南极高精度大范围任意尺度精细DEM。本发明采用深度学习方法进行训练样本集制作，逐级对月球南极DEM数据进行精细建模，利用残差融合神经网络对空间特征进行有效提取和整合，并支持任意尺度超分辨率重建，为月球南极DEM精细建模提供新思路。
-
公开(公告)号：CN115757791A
公开(公告)日：2023-03-07
申请号：CN202211503457.5
申请日：2022-11-28
Applicant: 武汉大学
IPC: G06F16/35 , G06F16/31 , G06F16/36 , G06F16/335 , G06N20/00 , G06F40/247 , G06F40/205
Abstract: 本发明提供了一种基于舆情大数据的诉求案件信息抽取聚类方法及设备。所述方法包括：步骤1至步骤7。本发明能够提取舆情大数据中民众诉求案件的关键信息，通过基于深度学习的匹配模型和无监督聚类方法能够快速地在大规模的诉求数据集上对案件进行合并和聚类。
-
Patent Agency Ranking
公开(公告)号：CN114611271A
公开(公告)日：2022-06-10
申请号：CN202210171309.1
申请日：2022-02-24
Applicant: 武汉大学
Abstract: 针对传统回归模型在雪水当量建模中未考虑空间效应的影响、而空间回归模型在栅格数据中又面临严重的计算瓶颈的问题，提出了一种顾及空间异质性的雪水当量栅格数据建模及分析方法，同时考虑了全局和区域的空间效应。在对遥感影像进行空间建模时，将数据分成相同大小的若干个子区域，对每一子区域建模，达到对整幅遥感影像进行建模计算的目的；利用空间滤值方法，使用空间邻接矩阵的特征向量对残差进行拟合，并将拟合结果作为空间影响加入之前的全局模型当中，得到最终的空间回归模型。本发明可以得到雪水当量和及其相关因子的准确模型，以供后续研究和分析。
-
公开(公告)号：CN114972984B
公开(公告)日：2024-10-01
申请号：CN202210472159.8
申请日：2022-04-29
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/764 , G06F16/58 , G06F16/583 , G06F16/587
Abstract: 本发明提供一种基于随机森林的积雪时空分析与预测方法，根据地理单元之间的空间关系构建空间权重矩阵，将中心化的空间权重矩阵进行特征分解筛选特征向量，与环境变量、亮温数据、积雪密度一起作为自变量，利用随机森林方法进行建模；将建模得到的最优参数代入全体样本中得到随机森林回归模型并分析积雪变化的影响因素；最后将最优参数代入到新的自变量中，得到积雪的预测值。本发明同时考虑了环境因素和空间效应对积雪变化的影响，并将这些影响因素加入到积雪估算模型中，使得构建的积雪估算模型更加准确。
-
公开(公告)号：CN113901384B
公开(公告)日：2024-09-24
申请号：CN202111121091.0
申请日：2021-09-24
Applicant: 武汉大学
IPC: G06F17/11 , G01N15/075
Abstract: 本发明提出了一种顾及全局空间自相关性和局部异质性的地面PM2.5浓度建模方法。本发明针对PM2.5监测站点数量有限且分布不均，且传统PM2.5回归建模方法缺少对局部空间影响和全局空间影响同时考虑的问题，提出了一种顾及全局空间自相关性和局部异质性的地面PM2.5浓度建模方法，同时考虑全局和局部空间效应，消除空间自相关因素和空间异质因素的影响。分别通过构建全局空间权重矩阵和局部空间权重矩阵，提取出全局空间影响因子和局部空间影响因子。然后再根据两者构建回归模型，得到地面PM2.5浓度估计模型，以供后续研究和分析。
-
公开(公告)号：CN117172134B
公开(公告)日：2024-01-16
申请号：CN202311352195.1
申请日：2023-10-19
Applicant: 武汉大学
IPC: G06F30/27 , G06N3/0464 , G06N3/084 , G06V10/80
Abstract: 本发明提供一种基于融合地形特征的月表多尺度DEM建模方法及系统，属于地形测绘技术领域，包括：获取月表南极LOLA DEM数据和LROC NAC DEM数据，确定多个高分辨率DEM数据集和多个低分辨率DEM数据集；将残差融合卷积神经网络应用于DEM精细建模，得到多级分辨率DEM模型；利用地形特征结合神经网络重构高分辨率DEM，构造地形特征相关损失函数，进而重建出月球南极高精度大范围任意尺度精细DEM。本发明采用深度学习方法进行训练样本集制作，逐级对月球南极DEM数据进行精细建模，利用残差融合神经网络对空间特征进行有效提取和整合，并支持任意尺度超分辨率重建，为月球南极DEM精细(56)对比文件Guodong Chen 等.An Enhanced ResidualFeature Fusion Network Integrated with aTerrainWeight Module for DigitalElevation Model Super-Resolution《.remotesensing》.2023,1-21.Hesheng Chen 等.基于卷积神经网络的地形因子降尺度方法研究《.中国优秀硕士学位论文全文数据库 工程科技II辑》.2022,C028-170.Annan Zhou 等.A multi-terrainfeature-based deep convolutional neuralnetwork for constructing super-resolutionDEMs 《.ELSEVIER》.2023,1-16.邸凯昌;刘斌;刘召芹;邹永廖.月球遥感制图回顾与展望.遥感学报.2016,(05),1230-1242.黄泽群;李超群;吴欢;姜璐璐;男顶;汤秋鸿;王爱慧;赵世湖;Dai YAMAZAKI.基于MERITDEM 和DRT升尺度化算法的多分辨率全国河网数据集构建.地理与地理信息科学.2020,(03),1-9.谢洪亮.基于卷积神经网络的数字高程分辨率提高方法.地理空间信息.2020,(01),28-32.邓志鹏;孙浩;雷琳;周石琳;邹焕新.基于多尺度形变特征卷积网络的高分辨率遥感影像目标检测.测绘学报.2018,(09),485-495.李春来;刘建军;任鑫;严韦;左维;牟伶俐;张洪波;苏彦;温卫斌;谭旭;张晓霞;王文睿;付强;耿良;张广良;赵葆常;杨建峰;欧阳自远.基于嫦娥二号立体影像的全月高精度地形重建.武汉大学学报(信息科学版).2018,(04),1216-1227.
-
公开(公告)号：CN114972984A
公开(公告)日：2022-08-30
申请号：CN202210472159.8
申请日：2022-04-29
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/764 , G06F16/58 , G06F16/583 , G06F16/587
Abstract: 本发明提供一种基于随机森林的积雪时空分析与预测方法，根据地理单元之间的空间关系构建空间权重矩阵，将中心化的空间权重矩阵进行特征分解筛选特征向量，与环境变量、亮温数据、积雪密度一起作为自变量，利用随机森林方法进行建模；将建模得到的最优参数代入全体样本中得到随机森林回归模型并分析积雪变化的影响因素；最后将最优参数代入到新的自变量中，得到积雪的预测值。本发明同时考虑了环境因素和空间效应对积雪变化的影响，并将这些影响因素加入到积雪估算模型中，使得构建的积雪估算模型更加准确。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.017 seconds)
