-
公开(公告)号：CN108416460B
公开(公告)日：2022-01-28
申请号：CN201810059108.6
申请日：2018-01-22
Applicant: 北京工商大学
Abstract: 本发明公开了一种基于多因素时序—随机深度置信网络模型的蓝藻水华预测方法，属于水环境预测技术领域。本发明将改进的深度置信网络方法与多因素时间序列分析法相结合，构建一种多因素时序─随机深度置信网络模型，然后采用MT─RDBN模型去离散化、RCRBM的学习算法和MT─RDBN模型参数微调。本发明在建立模型时采用了时间序列中的自回归模型和多因素回归模型，考虑了影响因素因此MT─DBN模型能够通过当前时刻和历史时刻的叶绿素浓度和影响因素数据对未来时刻的表征因素进行预测，减少了样本使用量，提高了预测精度。
-
公开(公告)号：CN109922478B
公开(公告)日：2021-10-22
申请号：CN201910031572.9
申请日：2019-01-14
Applicant: 北京工商大学
Abstract: 本发明提出了一种基于改进布谷鸟算法的水质传感器网络优化部署方法。首先，建立水质传感器网络覆盖模型，将监测区域离散化为网格点，定义被传感器覆盖的网格点个数占总网格个数的比例为覆盖率，以提高网络覆盖率为优化目标。其次，利用改进的布谷鸟算法实现对整个网络的优化部署。本发明通过对布谷鸟算法进行改进，可通过更少的迭代次数，使水质传感器网络达到最优的覆盖性能。
-
公开(公告)号：CN113011397A
公开(公告)日：2021-06-22
申请号：CN202110461909.7
申请日：2021-04-27
Applicant: 北京工商大学
Abstract: 本发明公开了一种基于遥感图像4D‑FractalNet的多因素蓝藻水华预测方法，属于水质监测技术领域，具体包括：首先，在传统CNN的基础上加入时间维度与水华发生的相关因素，进行改进得到4D‑CNN‑SVM模型，对卷积层进行递归扩展，形成4D‑FractalNet模型；然后，利用细菌觅食算法对4D‑FractalNet模型中的卷积核数量和尺寸进行优化；利用优化后的4D‑FractalNet模型对各输入的遥感图像进行特征提取，并对水体富营养化等级预测；最后，在BP神经网络上增加承接层作为Elman神经网络；结合采样站点采集的历史时刻的叶绿素浓度测量值，藻类生长机理模型计算的当前时刻叶绿素浓度值，以及遥感图像的提取特征共同输入Elman神经网络，对下一时刻的叶绿素浓度值进行预测；本发明能实现蓝藻水华爆发的全面预测。
-
公开(公告)号：CN111669767A
公开(公告)日：2020-09-15
申请号：CN202010458814.5
申请日：2020-05-27
Applicant: 北京工商大学
Abstract: 本发明提出了一种传感器网络动态部署方法。首先，对非重点监测区域内的传感器进行定位，选其为移动节点。其次，对重点监测区域利用同心圆法找出目标节点。最后，根据弗洛伊德算法计算出将移动节点移动到目标节点的级联移动路径，从而实现了基于区域特征模型的水质传感器网络的动态部署。本发明通过传感器节点的级联移动，可利用更短的时间，在保证网络生命周期的前提下实现对传感器网络重点监测区域的动态部署，使之达到更佳的覆盖性能。
-
公开(公告)号：CN111457927A
公开(公告)日：2020-07-28
申请号：CN202010340555.6
申请日：2020-04-26
Applicant: 北京工商大学
IPC: G01C21/20
Abstract: 本发明公开了一种动态障碍物下的无人巡航船多目标路径规划方法，涉及水质采样和路径规划技术领域。首先，无人机对湖面环境采集图像，进行栅格分割，在栅格地图设置起始点和若干采样点；采用改进的灰狼优化算法对若干采样点进行顺序优化，并将最优顺序的各采样点一一标记到地图上；利用D*Lite算法计算栅格地图中标记的每两个采样点之间的最优栅格路径，得到一条从起始点到最终采样点之间的最优路径；最后，自主巡航船沿最优路径完成巡航。本发明对灰狼优化算法中的收敛因子进行改进，平衡了灰狼优化算法的全局搜索和局部搜索能力，提高了灰狼优化算法的收敛速度和稳定性，可以实现在动态未知环境情况下多个目标点的路径规划。
-
Patent Agency Ranking
公开(公告)号：CN107292436B
公开(公告)日：2020-07-17
申请号：CN201710458468.9
申请日：2017-06-16
Applicant: 北京工商大学
IPC: G06Q10/04
Abstract: 本发明公开了一种基于非线性动力学时序模型的蓝藻水华预测方法，属于水环境预测技术领域。本发明将蓝藻生长率作为时变参数，建立带有双营养盐循环的蓝藻生长非线性动力学时序模型，采用数值算法和智能进化算法相结合对蓝藻生长非线性动力学时序模型中的定常参数进行优化率定，通过建立多元时间序列模型实现对时变参数及蓝藻生物量的预测，并采用分岔理论和中心流形理论对蓝藻生长时变系统进行非线性动力学分析，得到蓝藻水华暴发的条件，进而实现对水华暴发行为的预警。本发明不仅确定了蓝藻水华暴发的条件，也提高了水华预测精度，为环保部门提供有效的参考依据，为水环境治理提供了治理决策。
-
公开(公告)号：CN111263369A
公开(公告)日：2020-06-09
申请号：CN202010089596.2
申请日：2020-02-11
Applicant: 北京工商大学
Abstract: 本发明提出了一种水质传感器网络覆盖优化方法。首先，建立水质传感器网络覆盖模型，将监测区域离散化为网格点，定义被传感器覆盖的网格点个数占总网格个数的比例为覆盖率，以提高网络覆盖率为优化目标。其次，基于Adam优化算法改进布谷鸟算法的寻优过程，用学习率衰减法改进布谷鸟算法的淘汰概率。本发明通过对布谷鸟算法进行改进，可通过更少的迭代次数，使水质传感器网络达到更佳的覆盖性能。
-
公开(公告)号：CN111246504A
公开(公告)日：2020-06-05
申请号：CN202010174430.0
申请日：2020-03-13
Applicant: 北京工商大学
Abstract: 本发明提出了一种基于小世界特性的动态分簇路由优化算法。首先，在水质传感器网络中引入小世界特性，通过其较小的平均路径长度和较大的聚类系数减少网络的能量消耗并提高网络的容错能力。其次，对上述网络进行改进，引入动态分簇思想，通过构建有效的能耗模型，合理选取簇头，有效延长网络的生命周期。本发明通过对引入小世界特性的水质传感器网络路由算法进行改进，可有效延长水质传感器网络的生命周期，提高网络的监测能力。
-
公开(公告)号：CN110532646A
公开(公告)日：2019-12-03
申请号：CN201910735026.3
申请日：2019-08-09
Applicant: 北京工商大学
Abstract: 本发明公开了一种基于自适应动态规划的湖库蓝藻水华预测方法，属于蓝藻水华研究与信息科学交叉融合的技术领域。本发明的预测方法将将蓝藻最大生长率、蓝藻最大死亡率、营养盐耗损率与营养盐浓度初值设定为时变参数；而后针对连续型湖库蓝藻生长模型进行离散化，然后通过自适应动态规划算法结合实测数据对时变参数进行辨识，依据优化辨识后的湖库蓝藻生长模型进行水华预测，利用湖库蓝藻水华生长模型输出与外界实测值的偏差反馈来优化实现减小偏差以提高湖库蓝藻水华生长模型预测精度。预测结果表明，本发明所提出湖库蓝藻水华生长模型的时变参数时间序列符合湖库蓝藻水华真实数据的变化趋势，可以为研究者深入研究湖库蓝藻水华演化规律提供支撑。
-
公开(公告)号：CN110163537A
公开(公告)日：2019-08-23
申请号：CN201910553891.6
申请日：2019-06-25
Applicant: 北京工商大学
Abstract: 本发明公开了一种基于梯形云模型的水体富营养化评价方法，涉及河湖水体富营养化评价技术领域。所述方法首先根据河湖的历史评价数据得出河湖的阿塔纳索夫区间值直觉语言数；然后建立语言标度函数，将水体评价的六个语言等级范围映射为数值，再计算出梯形云模型的五个参数，然后获得五个影响因子的融合权重；最后将所计算出的数据和待评价河湖的水质数据输入到梯形云模型中，将隶属度最大的水质等级作为最终的评价结果。本发明能够有效的避免正态云模型中以点来代表等级范围的缺陷，有效的解决等级范围内不是以区间范围的中间值为期望的正态分布的数据问题，使模型的对数据的适应性更高，评价结果更加的准确合理。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.027 seconds)
