-
公开(公告)号：CN115049292B
公开(公告)日：2023-03-24
申请号：CN202210741864.3
申请日：2022-06-28
Applicant: 中国水利水电科学研究院 , 重庆交通大学 , 淮河水利委员会水文局(信息中心)
IPC: G06Q10/0631 , G06Q10/063 , G06Q10/04 , G06Q50/06 , G06N3/04 , G06N3/088 , G06N3/092
Abstract: 本发明涉及一种基于DQN深度强化学习算法的单一水库智能防洪调度方法，包括：构建基于人工智能的水库调度“无监督深度学习”模型、以水库发电调度为基础建立DRL的奖励反馈，以及基于水库实测入库径流过程建立针对某水库的调度人工智能专家。与动态规划求解的最优发电调度过程进行对比，本发明所述基于DQN深度强化学习算法的单一水库智能防洪调度方法的发电调度结果，明显优于传统的基于决策树的水库发电调度结果，说明本发明所述水库调度“无监督深度学习”模型具有很强大的学习能力和决策能力，在水库调度决策中具有很强的适应能力。
-
公开(公告)号：CN115049292A
公开(公告)日：2022-09-13
申请号：CN202210741864.3
申请日：2022-06-28
Applicant: 中国水利水电科学研究院 , 重庆交通大学 , 淮河水利委员会水文局(信息中心)
Abstract: 本发明涉及一种基于DQN深度强化学习算法的单一水库智能防洪调度方法，包括：构建基于人工智能的水库调度“无监督深度学习”模型、以水库发电调度为基础建立DRL的奖励反馈，以及基于水库实测入库径流过程建立针对某水库的调度人工智能专家。与动态规划求解的最优发电调度过程进行对比，本发明所述基于DQN深度强化学习算法的单一水库智能防洪调度方法的发电调度结果，明显优于传统的基于决策树的水库发电调度结果，说明本发明所述水库调度“无监督深度学习”模型具有很强大的学习能力和决策能力，在水库调度决策中具有很强的适应能力。
-
公开(公告)号：CN218513041U
公开(公告)日：2023-02-21
申请号：CN202222667928.8
申请日：2022-10-11
Applicant: 温州市水旱灾害防御中心 , 中国水利水电科学研究院 , 四创科技有限公司
Inventor： 王玉铜 , 陈才明 , 陈智洋 , 蔡子平 , 王浩翔 , 陈俊杰 , 陈亚威 , 李昶 , 任明磊 , 林灿文 , 赵丽平 , 单森华 , 王刚 , 黄水木 , 张琪 , 王文山
Abstract: 一种山洪灾害预警装置。本实用新型的水位监测系统采用水位计监测河道水位；雨量监测系统采用翻斗式雨量计监测雨量；数据控制模块的远程终端单元RTU通过历史数据预设河道的正常水位、准备转移水位、立即转移水位，通过接收的水位计监测的河道水位高度、翻斗式雨量计监测的雨量数据控制报警模块发出相应的报警信息；数据传输系统通过4G无线网络传输视频图像数据；报警模块具有声光电报警功能；供电模块采用太阳能供电模式。其有益效果是，集实时雨量水位图像采集、声光报警和数据传输于一体，将采集的数据图像传输到预警平台，根据降雨量和水位的模型自行演算进行预警；减少预警环节，具有高时效性和高可靠性，为应急部门指挥决策提供依据。
-
公开(公告)号：CN115158274A
公开(公告)日：2022-10-11
申请号：CN202211051182.6
申请日：2022-08-31
Applicant: 四川省公路规划勘察设计研究院有限公司 , 重庆交通大学
IPC: B60T17/22 , B60W40/076 , B60W40/08
Abstract: 本发明涉及基于货车制动重刹特性的长大纵坡危险路段识别方法，采集实验数据；包括标载货车行驶于待识别长大纵坡的实时制动踏板力及货车与坡顶实时距离；根据实时制动踏板力确定重刹临界值，从而确定重刹行为，确定累计重刹频次；将每次重刹时间点对应的货车与坡顶实时距离与累计重刹频次对应形成数据点对，构建离散点图；相邻离散点连线的斜率为累计重刹频次对货车与坡顶实时距离的敏感度；构建敏感度累计频率图；敏感度累计频率大于等于30%小于50%的路段为常规路段，敏感度累计频率大于等于50%小于90%的路段为风险路段，敏感度累计频率大于等于90%的路段为危险路段。从而实现根据制动踏板力来确定长大纵坡路段的风险等级。
-
Patent Agency Ranking
公开(公告)号：CN118070154B
公开(公告)日：2024-07-09
申请号：CN202410482252.6
申请日：2024-04-22
Applicant: 四川省公路规划勘察设计研究院有限公司 , 重庆交通大学
IPC: G06F18/2415 , G06N3/0442 , A61B5/16 , A61B5/18 , A61B3/113
Abstract: 本发明公开了一种基于LSTM神经网络驾驶疲劳判别方法和装置，方法包括：S1.采集驾驶时驾驶员生理数据和心理数据；S2.对采集的数据进行显著性检验，确定具有显著性的数据；S3.对具有显著性的数据及具有显著性数据的衍生数据进行特性分析，确定表征驾驶员疲劳状况的数据；S4.根据表征驾驶员疲劳状况的数据和Logistic模型，确定不同类型疲劳程度的划分标准；S5.构建预测疲劳指数的LSTM神经网络模型；S6.向LSTM神经网络模型中造成驾驶员疲劳的参数，并输出对应的疲劳指数；S7.根据输出的疲劳指数和不同类型疲劳程度的划分标准确定驾驶员疲劳程度。解决了现有判别方法存在准确率低和实用性差的不足。
-
公开(公告)号：CN118070154A
公开(公告)日：2024-05-24
申请号：CN202410482252.6
申请日：2024-04-22
Applicant: 四川省公路规划勘察设计研究院有限公司 , 重庆交通大学
IPC: G06F18/2415 , G06N3/0442 , A61B5/16 , A61B5/18 , A61B3/113
Abstract: 本发明公开了一种基于LSTM神经网络驾驶疲劳判别方法和装置，方法包括：S1.采集驾驶时驾驶员生理数据和心理数据；S2.对采集的数据进行显著性检验，确定具有显著性的数据；S3.对具有显著性的数据及具有显著性数据的衍生数据进行特性分析，确定表征驾驶员疲劳状况的数据；S4.根据表征驾驶员疲劳状况的数据和Logistic模型，确定不同类型疲劳程度的划分标准；S5.构建预测疲劳指数的LSTM神经网络模型；S6.向LSTM神经网络模型中造成驾驶员疲劳的参数，并输出对应的疲劳指数；S7.根据输出的疲劳指数和不同类型疲劳程度的划分标准确定驾驶员疲劳程度。解决了现有判别方法存在准确率低和实用性差的不足。
-
公开(公告)号：CN112302135A
公开(公告)日：2021-02-02
申请号：CN202011144743.8
申请日：2020-10-23
Applicant: 重庆交通大学
Abstract: 本发明公开了一种生物滞留系统，包括滞留池本体和蓄水池，所述滞留池本体底部设置有用于向蓄水池排水的出水管；所述滞留池本体包括滞留区、砾石承托区以及设置于滞留区与砾石承托区之间的缓流区，缓流区用于延缓滞留区中的污水流入所述蓄水池，本技术方案的生物滞留系统采用“井字型”分块单元将生物滞留池上层种植土填料进行分块，并交替性的填充高渗透、强吸附性填料，不仅保留了种植土用于种植植物的功能，也可在高强度降雨时，分块单元优先贮存部分雨水，并进行横向及纵向入渗，显著提高设施在极端暴雨条件下的抗溢流能力，提高雨水径流滞蓄能力、水质净化能力及预防颗粒物堵塞的优点，同时其结构简单、安装方便，显著提升设施的养护效率。
-
公开(公告)号：CN115158274B
公开(公告)日：2022-11-29
申请号：CN202211051182.6
申请日：2022-08-31
Applicant: 四川省公路规划勘察设计研究院有限公司 , 重庆交通大学
IPC: B60T17/22 , B60W40/076 , B60W40/08
Abstract: 本发明涉及基于货车制动重刹特性的长大纵坡危险路段识别方法，采集实验数据；包括标载货车行驶于待识别长大纵坡的实时制动踏板力及货车与坡顶实时距离；根据实时制动踏板力确定重刹临界值，从而确定重刹行为，确定累计重刹频次；将每次重刹时间点对应的货车与坡顶实时距离与累计重刹频次对应形成数据点对，构建离散点图；相邻离散点连线的斜率为累计重刹频次对货车与坡顶实时距离的敏感度；构建敏感度累计频率图；敏感度累计频率大于等于30%小于50%的路段为常规路段，敏感度累计频率大于等于50%小于90%的路段为风险路段，敏感度累计频率大于等于90%的路段为危险路段。从而实现根据制动踏板力来确定长大纵坡路段的风险等级。
-
公开(公告)号：CN221029543U
公开(公告)日：2024-05-28
申请号：CN202323083860.X
申请日：2023-11-13
Applicant: 林同棪国际工程咨询(中国)有限公司 , 重庆交通大学
IPC: E01C23/09
Abstract: 本实用新型公开了路面养护装置领域的一种半柔性路面灌浆设备，包括行走底座，行走底座包括底板和固定在底板两侧的行走轮；搅拌罐体，搅拌罐体设于底板上，搅拌罐体内设有搅拌机构；灌浆泵，灌浆泵也设于底板上；出浆板，出浆板倾斜设置，出浆板两侧设有挡板；振动装置，振动装置位于出浆板的后方；本实用新型的有益效果为：在灌浆泵和出浆板后方设置振动装置可在灌浆后对路面进行振动，使得灌浆液充分填充在路面结构内的空隙内，灌浆质量更好，从而提升灌浆后的路面质量。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.131 seconds)
