-
公开(公告)号：CN118674026A
公开(公告)日：2024-09-20
申请号：CN202410691219.4
申请日：2024-05-30
Applicant: 上海威派格智慧水务股份有限公司
Abstract: 本发明涉及知识图谱技术领域，具体涉及一种基于子图结构信息增强的大语言模型知识图谱补全方法，包括：步骤S1：针对已有知识图谱抽取子图结构信息；步骤S2：依照子图结构信息确定补全任务类型，并依照子图结构信息和补全任务类型构建提示文本序列；步骤S3：将提示文本序列输入知识图谱补全大模型，知识图谱补全大模型的输出结果对应于已有知识图谱的缺失信息。引入了基于子图结构信息的处理过程，从而确定要补完的对象的补全任务类型，进而调用特定的模板来组装提示文本序列，实现了对隐含的子图结构信息的有效描述，进而使得大型语言模型能够正确理解缺失信息在知识图谱中相对于其他节点的关系，便于大型语言模型更为准确地推断出相应的结果。
-
公开(公告)号：CN119150194A
公开(公告)日：2024-12-17
申请号：CN202411302307.7
申请日：2024-09-18
Applicant: 上海威派格智慧水务股份有限公司
IPC: G06F18/2433 , F04D15/00 , G06F18/214 , G06F18/22
Abstract: 本发明提供一种样本可扩展的水泵故障诊断方法和系统，步骤A1，获取水泵有无故障的声音片段作为样本与故障类型形成种子样本集；步骤A2，从种子样本集中进行目标特征类型筛选，并提取第一声音特征数据；步骤A3，从待诊断的声音片段中提取目标特征类型的第二声音特征数据；步骤A4，比对第二和第一声音特征数据识别水泵的故障类型：若无故障，获取下一轮待诊断的声音片段继续步骤A3；若有故障，步骤A6，将识别的声音片段作为样本与故障类型加入种子样本集，获取下一轮待诊断的声音片段继续步骤A2。通过少量的样本对水泵运行的声音片段进行筛选，可扩展的收集水泵故障噪声样本，不需要假设数据的分布，也不需要训练过程。
-
公开(公告)号：CN118014060A
公开(公告)日：2024-05-10
申请号：CN202410022315.X
申请日：2024-01-08
Applicant: 上海威派格智慧水务股份有限公司
Abstract: 本发明提供一种水泵知识图谱构建、维保建议生成方法及系统，获取对水泵的故障诊断结果；从知识图谱中检索出适用故障诊断结果的故障类型；根据适用故障诊断结果的故障类型从知识图谱中获取适用的维保方案；根据适用的维保方案产生对水泵适用的维保建议并输出。通过构建水泵维保知识图谱，制定的相关业务规则进行知识推理，从而生成全面而实用的维保建议。迅速响应水泵故障，而且为维保人员提供了高效的决策支持，大幅提高了维保效率。
-
公开(公告)号：CN117787490A
公开(公告)日：2024-03-29
申请号：CN202311820847.X
申请日：2023-12-27
Applicant: 上海威派格智慧水务股份有限公司
Abstract: 本申请提供一种模型评估方法，包括：将测试数据输入模型进行预测，获得第一突变区间，所述测试数据为时序数据；将所述测试数据进行突变检测，获得第二突变区间；响应于所述第一突变区间和第二突变区间的交并比大于等于设定阈值，确定模型预测正确。该方案通过区间交并比的方式来判定模型预测的突变区间是否准确，在此基础上进一步评估突变区间检测的性能，能够定量的对突变区间检测进行评估，提供更为合理的模型选择评估标准。
-
公开(公告)号：CN117009762A
公开(公告)日：2023-11-07
申请号：CN202310862082.X
申请日：2023-07-13
Applicant: 上海威派格智慧水务股份有限公司
IPC: G06F18/20 , G06F18/214 , G06Q50/06
Abstract: 本发明提供一种基于模型自适应更新的智能加矾投加方法，包括：步骤S1，根据获取的一训练样本集对预先构建的一加矾投加量模型进行训练，使得所述加矾投加量模型能够根据输入的原水水质指标反馈加矾投加量；步骤S2，持续采集原水水质与加矾投加量数据，作为新样本集，将所述新样本集与所述训练样本集进行合并，得到新的训练样本集；步骤S3，周期性的调用所述加矾投加量模型，根据所述新的训练样本集进行所述加矾投加量模型的自适应更新。有益效果：通过机器学习建模，能够准确计算出加矾投加量，实现精准投加；同时，结合模型的自适应更新，定时进行更新迭代，迅速响应数据分布变化情况，缩短模型滞后周期，保障供水安全，进一步实现智慧化水厂。
-
Patent Agency Ranking
公开(公告)号：CN116187560A
公开(公告)日：2023-05-30
申请号：CN202310151920.2
申请日：2023-02-22
Applicant: 上海威派格智慧水务股份有限公司
IPC: G06Q10/04 , G06Q50/06 , G06N20/00 , G06N5/01 , G06F18/214 , G06F18/213
Abstract: 本发明提供一种水厂水量及清水池液位预测方法及系统，涉及水厂水量预测领域，包括：采集水厂的历史数据得到出厂水量数据、进厂水量数据、清水池液位数据并进行预处理并进行特征工程得到出厂水量数据特征、进厂水量数据特征和清水池液位数据特征，构建出厂水量预测模型、进厂水量预测模型和清水池液位预测模型并训练，在训练过程中调整参数优化模型，最后将对测试集进行特征工程后得到的出厂水量数据特征、进厂水量数据特征和清水池液位数据特征输入出厂水量预测模型、进厂水量预测模型和清水池液位预测模型得到准确的出厂水量预测结果、进厂水量预测结果和清水池液位预测结果。有益效果是准确预测进出厂水量、清水池液位和早晚高峰时间。
-
公开(公告)号：CN117951549A
公开(公告)日：2024-04-30
申请号：CN202311820850.1
申请日：2023-12-27
Applicant: 上海威派格智慧水务股份有限公司
Abstract: 本申请提供一种模型训练数据的构建方法，包括：根据时序数据，确定突变样本和非突变样本；根据突变区间检测特征，确定所述突变样本的特征和所述非突变样本的特征；对所述突变样本的特征和所述非突变样本的特征进行混合采样聚类，获得模型训练数据。该方案针对突变区间的左右两侧数据存在数据范围上较大变化的特点设计更相关的特征，并提出混合采样聚类优化算法，改善传统过采样算法所带来的样本重叠问题。所构建的模型训练数据能够同时解决少数类样本数量不足和多数类样本冗余问题，使用这些数据所训练得到的模型，其分类性能可大大提升。
-
公开(公告)号：CN116702611A
公开(公告)日：2023-09-05
申请号：CN202310676886.0
申请日：2023-06-08
Applicant: 上海威派格智慧水务股份有限公司
Abstract: 本发明公开了一种基于遗传算法的泵组优化方法，属于泵组优化技术领域；包括：步骤S1，收集送水泵房每台水泵的性能测试报告数据和实际生产数据，并进行分析，得到一泵组优化模型，所述泵组优化模型包括约束条件和适应度函数；步骤S2，将所述泵组优化模型应用到配水单位；步骤S3，依据需要优化的问题和所述适应度函数搭建遗传算法的算法框架；步骤S4，所述泵组优化模型对所述配水单位的出水流量和出水压力进行处理，并进行遗传算法迭代，得到优化泵组组合。上述技术方案的有益效果是：以能耗最小为目标，实现了定频或变频泵的调节使用，节能降耗，延长水泵使用寿命。
-
公开(公告)号：CN116621317A
公开(公告)日：2023-08-22
申请号：CN202310625684.3
申请日：2023-05-30
Applicant: 上海威派格智慧水务股份有限公司
Abstract: 本发明提供一种水厂前加氯控制系统及方法，涉及水处理技术领域，包括：采集水厂的当前原水水质数据以及当前原水氨氮含量，并根据当前原水氨氮含量处理得到次氯酸钠的投加消毒工艺以及对应的前加氯投加量范围；将当前原水水质数据以及前加氯投加量范围的上限值和下限值输入预先训练得到的前加氯模型中，得到预测前加氯投加量，并控制采用投加消毒工艺向水厂的前加氯投加点投加预测前加氯投加量的次氯酸钠。有益效果是根据原水氨氮含量选择适配的投加消毒工艺，有效避免出现消毒副产物超标的风险，将原水水质数据、前加氯投加量范围的上限值和下限值作为前加氯投加量预测的输入水质参数，提升模型的准确度与约束力，降低次氯酸钠消耗，节省成本。
-
公开(公告)号：CN116078049A
公开(公告)日：2023-05-09
申请号：CN202310162380.8
申请日：2023-02-23
Applicant: 上海威派格智慧水务股份有限公司
IPC: B01D37/04 , B01D24/46 , B01D24/48 , G06F30/27 , G06F18/214 , G06F113/08
Abstract: 本发明涉及自动控制技术领域，具体涉及一种基于特征过滤的反冲洗优化方法，包括：步骤S1：对目标水厂采集目标数据，根据所述目标数据分别生成每个待分析特征的特征缺失率和特征相关性；步骤S2：依照所述特征缺失率和所述特征相关性对所述待分析特征进行筛选，得到可用特征；步骤S3：基于所述可用特征对预测模型进行训练，随后采用训练后的所述预测模型生成反冲洗参数。有益效果在于：针对现有技术中的输入变量较多导致模型训练效果不佳的问题，本实施例中通过构建特征缺失率和特征相关性的方式进行特征过滤，从而减少了训练模型时输入的变量，提高了模型收敛的速度，能够在样本数较少时实现较好的训练效果，进而准确预测得到较优的控制参数。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.026 seconds)
