-
公开(公告)号：CN114819260A
公开(公告)日：2022-07-29
申请号：CN202210243703.1
申请日：2022-03-11
Applicant: 河海大学
Abstract: 本发明公开一种水文时间序列预测模型动态生成方法，采集对应水文站水位数据，组织成水文时间序列数据集并预处理；结合改进的符号距离UMD与DBSCAN聚类对分割并符号化的序列进行聚类；针对每条待匹配序列动态形成其相似序列集并构建、训练模型，首先衡量代表序列与待匹配符号化序列的距离选取相似类别组成候选集，其次采用改进的DTW算法对相似序列候选集进行筛选，构建相似序列集，最后对TCN模型参数进行优化，利用相似序列集对模型进行训练，得到基于相似性搜索水文时间序列预测模型；对所述水文时间序列预测模型动态生成方法得到的模型进行水位预测，准确度更高。
-
公开(公告)号：CN114611302A
公开(公告)日：2022-06-10
申请号：CN202210254600.5
申请日：2022-03-15
Applicant: 河海大学
IPC: G06F30/20 , G06F16/2458 , G06F17/16 , G06K9/62
Abstract: 本发明公开一种基于加权相关马氏距离的水文时间序列模式库构建方法，包括对马氏距离进行优化获得加权相关马氏距离；选取多元时间序列作为实验数据；对预处理数据集进行PAA分段降维获得多元时间序列特征向量；采用基于加权相关马氏距离的层次聚类方法对多元时间序列特征向量进行聚类并符号化表示，一个符号表示一个聚类中心，属于同一类的特征向量符号相同，将特征向量转换成字符串，根据各聚类中心的加权相关马氏距离记录符号之间的距离；利用动态时间弯曲距离算法计算各字符串之间的相似性距离；最后根据距离聚类构建多元水文时间序列模式库。本发明可以提高多元水文时间序列模式库结果的准确性。
-
公开(公告)号：CN114461702A
公开(公告)日：2022-05-10
申请号：CN202210254599.6
申请日：2022-03-15
Applicant: 河海大学
IPC: G06F16/2458 , G06F16/27 , G06F16/21 , G06F16/242 , G06F16/22
Abstract: 本发明公开一种基于Parallel_ModCTANE的一致性检测模型构建方法，包括对CTANE算法进行改进；对水文数据进行分布式并行条件函数依赖挖掘；对条件函数依赖集进行过滤；对水文数据进行基于主数据的联表不一致性检测，得到水文数据的不一致性检测结果。本发明对数据进行初步清洗后，结合Parallel_ModCTANE方法进行分布式并行条件函数依赖挖掘，使得条件函数依赖挖掘的效率更高，使用基于主数据的联表不一致性检测算法进行一致性检测，使得检测的效率更高。
-
公开(公告)号：CN112183721B
公开(公告)日：2022-04-26
申请号：CN202010976107.5
申请日：2020-09-16
Applicant: 河海大学
Abstract: 本发明公开一种基于自适应差分进化的组合水文预测模型的构建方法，包括以下步骤：构建水文数据集，构建水文基模型，构建最终的组合水文预测模型。本发明基于自适应差分进化方法选择长短期记忆网络(LSTM)作为基模型，结合把种群中优秀的个体和个体适应度保存在临时数组中的思想，通过选择前m个优秀水文参数作为各个基模型的初始参数，建立加权组合模型ADE‑LSTMs，来增加预测的鲁棒性，提高单一模型的预测精度。
-
公开(公告)号：CN106650767B
公开(公告)日：2020-10-27
申请号：CN201610835246.X
申请日：2016-09-20
Applicant: 河海大学
Abstract: 本发明公开了基于聚类分析和实时校正的洪水预报方法，步骤为：一是利用主成分分析(PCA)对模型的输入做降维处理。二是利用K‑means聚类方法对原始数据进行聚类分析。将洪水数据划分为不同的类别，然后训练不同的SVM模型，当输入测试样本，利用聚类质心判断该测试样本所属的类别，并用对应的模型对其进行预测，得到预测值q；三是BP神经网络实时校正。计算预测值与真实值的误差序列，利用误差序列数据训练BP神经网络误差校正模型，得到误差校正值qe，最终预报结果为模型预报值q加上误差预报值qe。本发明的优点在于：通过聚类分析将原始水文数据分为几类，分别训练模型，实现多模型预报；然后通过BP神经网络实现实时校正提高了洪峰时刻预报准确率。
-
Patent Agency Ranking
公开(公告)号：CN105139093B
公开(公告)日：2019-05-31
申请号：CN201510564457.X
申请日：2015-09-07
Applicant: 河海大学
CPC classification number: Y02A10/46
Abstract: 本发明公开了一种基于Boosting算法和支持向量机的洪水预报方法，该方法包括如下步骤：运用相关系数法确定预报因子；利用核主成分分析对所述预报因子进行降维处理；利用Boosting算法选取样本建立多个支持向量机预测模型，引入损失函数和相关系数调整样本权重，最后组合为一个总预测模型；利用所述总预测模型对测试样本进行预测。本发明前两个步骤是数据预处理，目的是提取洪水数据中的有用信息，消除冗余信息对预报造成的干扰。第三个步骤将Boosting算法引入到洪水预报中，尽量将前一个模型不能很好学习的样本，抽取出来用于训练下一个模型，这样组合后的模型可以有效提高洪水预报准确率，最后一个步骤用于检验模型效果。实验数据表明本方案能很好地提高预报精度。
-
公开(公告)号：CN105894030A
公开(公告)日：2016-08-24
申请号：CN201610201638.0
申请日：2016-04-01
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。
-
公开(公告)号：CN103399925A
公开(公告)日：2013-11-20
申请号：CN201310337191.6
申请日：2013-08-05
Applicant: 河海大学
IPC: G06F17/30
Abstract: 本发明公开一种基于水文数据的降雨多维分析系统及其实现方法，系统中，水文数据仓库模块组织集成经过预处理的水文数据，分析模型构建模块提供降雨多维分析模型的完整设计、构建功能；数据服务模块响应分析图表开发模块的数据请求；分析图表开发模块为用户提供分析报表和图形的可视化显示和数据展现方式的选择；应用集成模块为用户提供钻取、切块和旋转多维分析功能。方法中，构建降雨多维分析模型和开发多样的分析图表；对开发的分析图表进行集成定义和发布；将用户操作请求提交至数据服务模块，生成具体的数据库查询请求；将查询获得的数据进行相应的聚合计算，分析图表开发模对结果数据进行格式化处理和可视化展现。
-
公开(公告)号：CN102945536A
公开(公告)日：2013-02-27
申请号：CN201210404766.7
申请日：2012-10-23
Applicant: 河海大学 , 南京河海科技有限公司
Abstract: 本发明公开一种适应分布式水文水资源数据库的数据展现系统与方法，系统包括数据持久层、控制器、异步刷新显示模块、数据绘图模块、表格显示模块、分布式数据仓库单元以及用户界面；异步刷新显示模块用于响应用户操作，将操作请求传给控制器，控制器调用数据持久层，数据持久层从分布式数据仓库单元获得数据，数据以规定的格式通过控制器传递给异步刷新显示模块，异步刷新显示模块将数据分别发送给数据绘图模块和表格显示模块使页面局部刷新显示数据。方法中用户通过用户界面向控制器发送刷新维度信息的请求；控制器调用数据持久层从分布式数据仓库单元取出维度信息数据；按照用户选择的形式调用数据绘图模块或者表格显示模块进行显示。
-
公开(公告)号：CN102521605A
公开(公告)日：2012-06-27
申请号：CN201110379870.0
申请日：2011-11-25
Applicant: 河海大学
Abstract: 本发明公开了一种高光谱遥感图像波段选择方法。本发明方法对现有基于时间序列重要点分析的高光谱遥感图像波段选择方法进行了改进，首先在可视化聚类趋势评估基础上，利用谱聚类算法进行聚类，既减少了聚类数搜索范围，也提高了聚类质量；其次在最后减少冗余重要波段时，根据波段间的条件互信息剔除部分高冗余的波段，再利用分支定界法搜索最优波段组合，提高了分类精度，并减少了最后的波段数目。相比现有技术，方法无论在最终选择的波段数目，还是相应的分类正确率方面，均有较大优势，且所需的计算时间也远远低于大多数现有方法。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.017 seconds)
