-
公开(公告)号：CN103353295B
公开(公告)日：2015-11-18
申请号：CN201310189139.0
申请日：2013-05-20
Applicant: 东南大学
Abstract: 本发明公开了一种精确预测大坝坝体垂直变形量的方法，该方法是基于稳定度的精确预测大坝坝体垂直变形量的方法，具体为： 1）监测数据采集、2）建立i（i=1,2,…m;i≥2）种预测方法的数学模型、3）计算各种预测方法的稳定度、4)确定组合方法模型权系数、5）建立基于稳定度大坝坝体垂直变形量预测模型；使用该方法可以大大提高大坝坝体垂直变形量的预测精度。经过大量工程实例应用结果分析：本发明方法较之其它预测方法，变形量的预测精度要提高20％－70％。本发明能够保持模型精度的延续性，对涉及安全的变形发展趋势做出精确预测，提前采取措施，对防患大坝安全事故具有重要意义。具有明显的社会和经济价值。
-
公开(公告)号：CN103353295A
公开(公告)日：2013-10-16
申请号：CN201310189139.0
申请日：2013-05-20
Applicant: 东南大学
Abstract: 本发明公开了一种精确预测大坝坝体垂直变形量的方法，该方法是基于稳定度的精确预测大坝坝体垂直变形量的方法，具体为：1）监测数据采集、2）建立i（i=1,2,…m;i≥2）种预测方法的数学模型、3）计算各种预测方法的稳定度、4)确定组合方法模型权系数、5）建立基于稳定度大坝坝体垂直变形量预测模型；使用该方法可以大大提高大坝坝体垂直变形量的预测精度。经过大量工程实例应用结果分析：本发明方法较之其它预测方法，变形量的预测精度要提高20％－70％。本发明能够保持模型精度的延续性，对涉及安全的变形发展趋势做出精确预测，提前采取措施，对防患大坝安全事故具有重要意义。具有明显的社会和经济价值。
-
公开(公告)号：CN114882361B
公开(公告)日：2024-05-28
申请号：CN202210522433.8
申请日：2022-05-13
Applicant: 东南大学
IPC: G06V20/10 , G06T7/11 , G06T5/50 , G06T5/80 , G06N3/0464 , G06N3/084 , G06T7/62 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了基于多源遥感融合的深度学习估算森林地上生物量方法，首先下载和地面森林资源清查数据获取时间接近的遥感数据，并进行预处理，利用森林资源清查数据计算地面实测生物量值；然后提取遥感影像的特征变量，并分析其与生物量的相关性，筛选出相关性显著的特征变量；接下来利用卷积神经网络模型进行生物量建模，进行网络训练，利用训练出的模型，对研究区域进行森林地上生物量定量估算。本发明基于不同的遥感数据源，结果表明结合光学数据和雷达数据可以提高生物量估算精度，同时利用的深度学习模型可以更好地拟合生物量与遥感特征变量间的非线性关系。
-
公开(公告)号：CN112036254B
公开(公告)日：2023-04-18
申请号：CN202010787487.8
申请日：2020-08-07
Applicant: 东南大学
Abstract: 本发明公开了基于视频图像的运动车辆前景检测方法，步骤：对彩色视频帧图像进行预处理：将彩色图转换为灰度图，然后利用中值滤波对灰度图进行降噪处理；对经预处理后的视频帧图像进行改进的五帧差分法处理；对经预处理后的视频帧图像进行背景建模，得到背景差分图像，将该背景差分图像二值化后设置成掩膜并与当前帧图像进行背景更新；将五帧差分法结果与背景差分法结果进行逻辑“或”运算，并进行形态学处理，提取完整的前景目标图像。本发明相比于传统方法，可以在光照变化、背景扰动等情况下提高前景检测的准确度。
-
Patent Agency Ranking
公开(公告)号：CN114882361A
公开(公告)日：2022-08-09
申请号：CN202210522433.8
申请日：2022-05-13
Applicant: 东南大学
IPC: G06V20/10 , G06T7/11 , G06T5/50 , G06T5/00 , G06N3/04 , G06N3/08 , G06K9/62 , G06T7/62 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了基于多源遥感融合的深度学习估算森林地上生物量方法，首先下载和地面森林资源清查数据获取时间接近的遥感数据，并进行预处理，利用森林资源清查数据计算地面实测生物量值；然后提取遥感影像的特征变量，并分析其与生物量的相关性，筛选出相关性显著的特征变量；接下来利用卷积神经网络模型进行生物量建模，进行网络训练，利用训练出的模型，对研究区域进行森林地上生物量定量估算。本发明基于不同的遥感数据源，结果表明结合光学数据和雷达数据可以提高生物量估算精度，同时利用的深度学习模型可以更好地拟合生物量与遥感特征变量间的非线性关系。
-
公开(公告)号：CN111539453B
公开(公告)日：2022-04-26
申请号：CN202010238027.X
申请日：2020-03-30
Applicant: 东南大学
IPC: G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于深度循环神经网络的全球电离层电子总含量预测方法，包括训练阶段和预测阶段，训练阶段包括：1、采集全球电离层电子总含量热力图，经调整水平位置后构成原始图像序列；2、构建训练样本集；3、构建基于深度循环神经网络的全球电离层电子总含量预测模型，并利用训练样本集进行训练；预测阶段包括：4、每天采集K张全球电离层电子总含量热力图，连续采集t天；对采集的图像调整像素的水平位置，建立预测样本，将预测样本作为全球电离层电子总含量预测模型的输入，得到预测热力图；5、对预测热力图进行经度排序，得到预测的全球电离层电子总含量热力图。该方法结合了电离层在空间和时间上的变化，充分有效的利用现有观测数据，提高了预测精度。
-
公开(公告)号：CN111273318A
公开(公告)日：2020-06-12
申请号：CN202010116479.0
申请日：2020-02-25
Applicant: 东南大学
IPC: G01S19/07
Abstract: 本发明公开了一种基于抛物线的区域对流层湿延迟计算方法，包括：1、采集目标区域中每个探空站点的探空数据、年积日和空间位置数据，根据采集到的探空数据计算每个探空站点的对流层湿延迟真值；2、建立对流层湿延迟抛物线函数模型；3、将步骤1中获取的探空站点的对流层湿延迟真值、年积日、纬度值、海拔高度值代入对流层湿延迟抛物线函数模型中，确定各项系数，得到目标区域内对流层湿延迟抛物线函数模型；4、获取目标区域内待测地的纬度值、海拔高度值和年积日，根据目标区域内对流层湿延迟抛物线函数模型得到待测地的对流层湿延迟计算值。该方法适用于无法获取探空数据的位置，且考虑了季节的影响，能够获取较为精确的对流层湿延迟。
-
公开(公告)号：CN104807442A
公开(公告)日：2015-07-29
申请号：CN201510064440.8
申请日：2015-02-06
Applicant: 东南大学
IPC: G01C9/00
CPC classification number: G01C5/00
Abstract: 本发明公开了一种自动多维粗差探测方法,包括以下步骤：1)布设水准网，设计水准测量方案；2)野外水准测量；3)利用观测数据建立数学模型；4)依次进行WK诊断，直至没有强影响点探测出来。经过大量的实际水准测量数据显示，该方法只要对原始水准观测数据进行数次WK诊断，挑选出强影响点放入第二组，进行部分最小二乘法，可大大提高数据处理效率。本发明方法大大提高了水准观测中粗差探测的速度，也易于编程实现，在工程应用上有较好的实用价值。
-
公开(公告)号：CN104776827A
公开(公告)日：2015-07-15
申请号：CN201510159639.9
申请日：2015-04-03
Applicant: 东南大学
Abstract: 本发明公开一种GPS高程异常数据的粗差探测方法是基于异常点集多维粗差定位方法，具体为：1)数据采集；2)利用数据建立模型；3)计算Cook距离，根据各观测值的Cook距离D(i)和平均值D平均之差，确定强影响点号4)计算wk距离并依据分位值确定强影响点号；5)将Cook距离及Welsch—Kuh距离确定的强影响点号组成并集，得异常点集。令不重复的强影响点号个数m为粗差的维数；6)做粗差的定位。经过大量实例应用结果分析，在粗差维数达到总样本的19％时，本发明仍能将粗差准确的定位。本发明对提升测量数据的应用质量具有重要意义。具有明显的社会和经济价值。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.046 seconds)
