公开(公告)号：CN119579438A

公开(公告)日：2025-03-07

申请号：CN202411620331.5

申请日：2024-11-13

Applicant: 河海大学

Inventor： 范凯博 ,  余宇峰 ,  万定生

IPC: G06T5/60 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084

Abstract: 本发明提出了一种基于对抗网络的夜间船舶图像数据增强方法：基于CycleGAN对抗网络架构构建风格迁移模型，所述风格迁移模型至少包含生成器网络和判别器网络，其中生成器网络结构中的原始残差网络引入自注意力机制，在循环一致性损失中引入衡量相似度方法(LPIPS)，用于提高生成的图像在视觉上的真实性；构建包含大量白天和夜间车辆图像和少量白天和夜间船舶的数据集，用于提供训练样本；基于所述数据集对所述风格迁移模型进行训练，生成风格迁移模型；基于训练好的风格迁移模型，将部分白天船舶图像转化成夜间船舶图像。本发明能够解决现有技术方案中夜间船舶数据量不足的问题。

公开(公告)号：CN119540825A

公开(公告)日：2025-02-28

申请号：CN202411577770.2

申请日：2024-11-06

Applicant: 河海大学

Inventor： 余宇峰 ,  汪旭航 ,  万定生

IPC: G06V20/40 ,  G06V10/764 ,  G06T5/73 ,  G06V10/774 ,  G06V10/82 ,  G06V10/26 ,  G06N3/0464 ,  G06N3/0895 ,  G06N3/0455 ,  G06F17/18

Abstract: 本发明公开一种基于TS‑MaskFormer的冰情视频图像识别方法。采用一种快速ACE去雾算法对夜间图像增强，并基于SAM的半监督标注方法构建涵盖冰封、融冰开始、浮冰漂浮等不同阶段的冰情图像检测与识别数据集；提出一种TS‑MaskFormer冰情图像识别模型，集成了两个不同骨干网络的MaskFormer模型和fusion module融合模块，通过训练调整优化模型参数以实现准确的冰情图像检测；基于调优后的模型识别冰情图像，通过识别结果计算冰面覆盖率。本发明的方法方法在冰情图像识别方面能够保留更多细节信息，具有更高的冰面识别精度和更快的计算速度。

公开(公告)号：CN119337274A

公开(公告)日：2025-01-21

申请号：CN202411396506.9

申请日：2024-10-08

Applicant: 河海大学

Inventor： 刘岩 ,  余宇峰 ,  万定生

IPC: G06F18/2433 ,  G06F18/21 ,  G06N3/042 ,  G06N3/045 ,  G06N3/049 ,  G01W1/14 ,  G06F123/02

Abstract: 本发明公开一种基于时空特征的水文时间序列异常检测方法：先根据流域的数字高程模型(DEM)数据，提取出流域内高程、坡度以及水文站间的河道距离等空间信息并以此构造流域的空间特征矩阵，同时计算累计汇流时间对输入数据进行预处理；然后依据空间特征矩阵和预处理后的输入数据构建变分自编码器(VAE)，结合时域卷积网络(TCN)和图卷积神经网络(GCN)对时空特征进行学习；最后将测试数据集输入预训练好的网络模型后计算异常得分，并依据异常得分判定水文时间序列中的异常数据。本发明能够解决现有技术方案中多站点水文时间序列数据难以检测，时空特征难学习等问题。

公开(公告)号：CN115860231A

公开(公告)日：2023-03-28

申请号：CN202211570315.0

申请日：2022-12-08

Applicant: 河海大学

Inventor： 余宇峰 ,  魏睿 ,  李珂 ,  万定生 ,  朱跃龙

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/08 ,  G06N3/0442

Abstract: 本发明公开了一种基于MCR_BiLSTM(An enseMble model based on CNN，ResNet and BiLSTM，MCR_BiLSTM)的智能洪水预报方法，该方法包括：(1)预报因子优选：对预报断面内目标水位站和相关雨量站的水文数据资料进行缺失值插补、数据归一化、数据集划分等预处理步骤后，构建相关系数矩阵优选预报因子；(2)权重配置：采用注意力机制为优选的预报因子分配不同权重，建立输入输出序列的长距离依赖关系，提高输入输出之间的相关性；(3)预报模型构建：构建BiLSTM网络模块，从正向和反向两个方面提取预报输入因子(水文数据)间的时序特征，并采用正则化结构避免模型过拟合提高模型参数对数据的泛化能力；构建增强CNN网络模块，以CNN提取水文数据的局部空间特征，同时使用ResNet加深CNN网络的深度，挖掘更多潜藏空间特征信息；(4)模型集成融合：将BiLSTM网络模块和增强CNN网络模块的预测结果分别经过全连接层后进行线性融合，集成为端‑端水文集成预测模型(MCR_BiLSTM)，实现高精度的智能洪水预测；(5)结果输出：对MCR_BiLSTM模型融合结果进行反归一化处理，输出模型最终预测结果。

公开(公告)号：CN114911846A

公开(公告)日：2022-08-16

申请号：CN202210531963.9

申请日：2022-05-17

Applicant: 河海大学

Inventor： 杨佳琦 ,  万定生 ,  余宇峰

IPC: G06F16/2458 ,  G06F16/2453

Abstract: 本发明公开一种基于FAD和DTW的水文时间序列相似性搜索方法，该方法包括：首先利用小波变换对预先获取的时间序列进行平滑处理；其次，选择时间序列中的起始点、终止点和局部极值点作为特征点，对相邻特征点之间的数据段赋予语义，对序列进行语义符号化表示；然后计算初步候选集中子序列以及待查询序列中每个点的导数估计值，得到导数估计序列，然后转换为符号表示序列，最后得到初步候选集中子序列和待查询序列对应的特征序列；以上数据表示阶段完成后，首先利用FAD找出趋势近似的子序列，然后利用DTW进行精确匹配，最终的相似子序列。本发明结合FAD和DTW的特点对历史时间序列进行相似性搜索，很大程度上提高了搜索效率。

公开(公告)号：CN114580762A

公开(公告)日：2022-06-03

申请号：CN202210234577.3

申请日：2022-03-10

Applicant: 河海大学

Inventor： 万定生 ,  张甲甲 ,  余宇峰 ,  朱跃龙

IPC: G06Q10/04 ,  G06Q50/26 ,  G06K9/62 ,  G06N3/00 ,  G06N3/12 ,  G06F16/215 ,  G06F16/2458

Abstract: 本发明公开一种基于XGBoost的水文预报误差校正方法，该方法包括：(1)采集一水系流域对应预报站点一定时间段内的实况水位值及水文模型预报水位值，组织成水文时间序列数据集；(2)构建误差数据集，对数据进行预处理，划分训练集和测试集并确定模型最终的输入；(3)采用SPGA优化算法对XGBoost的学习率、弱学习器个数、惩罚项系数、决策树最大深度四个参数进行优化，同时利用样本数据集对XGBoost模型进行训练，最终得到SPGA优化的XGBoost预报误差校正模型；(4)对所述SPGA优化的XGBoost水文预报误差校正模型进行测试。本发明自行组织数据集，使用XGBoost模型进行模拟误差计算，其中采用SPGA算法对XGBoost模型的参数进行优化，利用最优参数得到的模型进一步提升误差校正能力。

公开(公告)号：CN113792925A

公开(公告)日：2021-12-14

申请号：CN202111084593.0

申请日：2021-09-17

Applicant: 河海大学

Inventor： 王瑞 ,  万定生 ,  余宇峰 ,  朱跃龙

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/08 ,  G06N3/12 ,  G06N20/10 ,  G06N20/20

Abstract: 本发明公开一种基于SW_LSTM的水文时间序列预测方法，包括对水文数据进行归一化处理；对水文时间序列数据的最优特征筛选；选取待预测水文站的水位数据作为实验数据；并将实验数据与筛选特征组合后进行预测，得到水文时间序列预测结果。本发明对数据进行归一化处理后，筛选出与水位变化特征最优特征，并将其结合SW_LSTM方法进行水文时间序列预测，使得水文时间序列预测结果更准确。

公开(公告)号：CN112183722A

公开(公告)日：2021-01-05

申请号：CN202010976110.7

申请日：2020-09-16

Applicant: 河海大学

Inventor： 余宇峰 ,  朱跃龙 ,  万定生 ,  赵群 ,  邓劲柏 ,  杨志勇 ,  姚成 ,  王继民

IPC: G06N3/04 ,  G06N3/06 ,  G06N3/08 ,  G06F16/29

Abstract: 本发明公开一种基于bagging的水文集成预测模型的构建方法，将bagging法与GRU水文模型结合，构造有差异性的GRU基模型，并将水文数据按季节分为四类，本发明除从数据集构造差异性，还赋予了不同的初始权重给不同的GRU水文模型，进一步保证其差异性，然后将得到的各个预测结果加权平均得到最终预测值，有效提高单一水文模型的预测精度。

公开(公告)号：CN111143442A

公开(公告)日：2020-05-12

申请号：CN201911407029.0

申请日：2019-12-31

Applicant: 河海大学

Inventor： 余宇峰 ,  万定生 ,  朱跃龙 ,  王继民 ,  邓劲柏

IPC: G06F16/2458 ,  G06K9/62

Abstract: 本发明公开了一种融合趋势特征的时间序列符号聚集近似表示方法；融合趋势特征的时间序列近似表示方法包括如下步骤：时间序列数据获取；时间序列数据预处理；时间序列特征分割；时间序列统计特征提取与符号化表示；时间序列的趋势特征提取与符号化表示；融合趋势特征的时间序列符号表示及相似性度量。本发明将时间序列的趋势特征信息和统计特征信息相结合，形成一种新的、能兼顾时间序列统计特征和趋势特征的符号聚集近似表示方法，在不损失序列特征信息的前提下，将时间序列从高维空间映射到低维空间。该方法不仅比传统时间序列表示方法具有更好的下界密封性，还能获得更好的分类和聚类效果，从而更好地表示具有不同形态特征的时间序列。

公开(公告)号：CN105894030B

公开(公告)日：2019-02-19

申请号：CN201610201638.0

申请日：2016-04-01

Applicant: 河海大学 ,  水利部水利信息中心

Inventor： 蔡阳 ,  李士进 ,  蒋亚平 ,  陈德清 ,  王伶俐 ,  袁俐新 ,  付静 ,  郑展 ,  王继民 ,  余宇峰 ,  朱海晨 ,  王声特

IPC: G06K9/62

Abstract: 本发明公开了一种基于分层多特征融合的高分辨率遥感图像场景分类方法。本发明依据组合全局特征对训练样本图像集合进行聚类分析，将训练样本图像集合分为适于采用全局特征表达的子集和适于用局部特征表达的子集，然后利用两个子集分别训练全局特征分类器和局部精简特征分类器；在测试时根据聚类分析结果从两个分类器中选出最适合于测试样本的分类器来对测试样本进行分类。本发明具有极高的分类精度，经实验验证，本发明的总体平均分类精度可达到96%，高于现有的典型分类方法。